-
公开(公告)号：CN102982557B
公开(公告)日：2015-03-25
申请号：CN201210438642.0
申请日：2012-11-06
Applicant: 桂林电子科技大学
Inventor： 莫建文
IPC: G06T7/20
Abstract: 基于深度相机的空间手势姿态指令处理方法。涉及基于深度相机的空间手势姿态指令处理方法。在复杂多变的环境中，能够快速、准确识别空间手势指令信息，极大程度提高工作效率及准确度，且鲁棒性高、实用性强、抗干扰能力好。包括以下步骤：1）通过深度相机获取实时的图像；2）利用三维点云计算得到手势点云数据，得手势点云信息；3）将手势点云信息进行平面配准，提取轮廓特征点信息；4）恢复出手势姿态；5）进行手势姿态识别；6）识别相应运动轨迹定义其操作内容，最终通过TUIO协议对动态手势鼠标输出点进行数据平滑。本发明能快速、准确全方位获取目标信息；建立空间运动检测区域，提取不同深度信息，实现多点触摸，从而改善整体操作性能。
-
公开(公告)号：CN103442180A
公开(公告)日：2013-12-11
申请号：CN201310377399.0
申请日：2013-08-27
Applicant: 桂林电子科技大学
Abstract: 本发明的基于SOPC的双目视频拼接装置，包括以NiosII软核处理器为核心的SOPC系统，其一对CMOS图像传感器通过FPGA端口与一对双目视频采集模块分别连接；一对双目视频采集模块一起连接双目视频存储模块；双目视频存储模块输出端的一路经特征提取协处理器与双目视频输出模块相连接，另一路与双目视频显示模块相连接；双目视频输出模块还分别连接NiosII处理器和上位机，双目视频显示模块还连接VGA显示器。本发明的双目视频拼接方法，通过欧氏距离法对特征点进行粗匹配，然后使用KNN法提出部分误匹配点，最后采用RANSAC计算出单应性矩阵，再经由柱面空间转换及线型加权融合，实现一帧双目视频数据的实时拼接。
-
公开(公告)号：CN102680988B
公开(公告)日：2013-11-06
申请号：CN201210162393.7
申请日：2012-05-23
Applicant: 桂林电子科技大学
Abstract: 本发明所要解决的技术问题是提供一种高灵敏度导航卫星信号非线性捕获方法及装置，该方法与装置采用DBZP技术来减小相关功率损失；用FFT技术减少了做相关所需时间；利用非线性双稳随机共振系统的特性来提高系统输出信噪比；捕获过程中引入了MTM（最大相关值与相关均值比值）阈值检测方法，提高了正确检测率。本发明能够最大限度地提高GPS信号捕获灵敏度；并且可以极大限度地减小捕获时间，为弱GPS信号的实时高灵敏度捕获提供技术支持。
-
公开(公告)号：CN120032152A
公开(公告)日：2025-05-23
申请号：CN202311560810.8
申请日：2023-11-21
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种用于计算机视觉分类任务的神经网络参数隔离持续学习方法。该方法包括：随机特征提取器模块，神经元掩膜模块，随机分类器模块。随机特征提取器模块使用随机初始化的骨干神经网络提取图片的特征；神经元掩膜模块对每一层神经网络的神经元使用掩膜处理，通过这种方式保留骨干网络各层提取到的有用信息，舍弃无用信息；随机分类器模块根据随机特征提取器模块的结果对输入图片进行分类；本发明的有益效果是：减轻神经网络在计算机视觉多任务场景下的遗忘程度，减小神经网络参数掩膜占用的空间，最大限度地复用神经网络骨干网络。
-
公开(公告)号：CN118865434A
公开(公告)日：2024-10-29
申请号：CN202410825597.7
申请日：2024-06-25
Applicant: 桂林电子科技大学
IPC: G06V40/10 , G06V10/46 , G06V10/82 , G06V10/44 , G06V10/771 , G06V10/80 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于ECAv2‑HRNet的人体姿态关键点检测方法，包括如下步骤：1）获取通道信息；2）缩减参数；3）合并通道；4）确定交互范围；5）加强特征提取过程；6）双压缩；7）嵌入骨干网络。这种方法在人口密集的环境下精准度高于现有技术中的方法，并且这种方法的模型参数量和需要的浮点运算量皆优于现有技术中的关键点检测方法，这种方法在不同的环境下表现出较为优异的指标性能。
-
Patent Agency Ranking
公开(公告)号：CN113919410B
公开(公告)日：2024-05-24
申请号：CN202110978496.X
申请日：2021-08-25
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种增量式图像分类方法及系统。该方法包括：将获取到的训练样本集分为多组；通过多组训练样本对贝叶斯神经网络模型进行训练，通过训练好的贝叶斯神经网络模型对图像进行分类；在贝叶斯神经网络模型的训练过程中，本发明为了缓解由于权值重要性累积所导致的模型分类能力下降问题，引入一个权值选择机制，对权值进行筛选后有针对性地稀释部分权值的正则强度。这种方法在容量固定的场景下，能最大限度地维持了模型对未来图像样本的分类能力，同时又能保护旧任务的分类精度，有效地缓解了基于正则化的增量式图像分类模型的分类能力无法长久保持的问题。
-
公开(公告)号：CN114529482B
公开(公告)日：2024-03-29
申请号：CN202210157461.4
申请日：2022-02-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于小波多通道深度网络的图像压缩感知重建方法，其特征在于，包括如下步骤：1）训练数据预处理对局部图像块进行二阶小波变换；2）线性映射；3）小波变换；4）多通道图像重建；5）特征融合；6）计算损失函数Loss；7）判断误差是否达到设定值。这种方法能更好地表示不同的图像内容、并且恢复更多的细节特征。
-
公开(公告)号：CN114708281B
公开(公告)日：2024-03-22
申请号：CN202210392717.X
申请日：2022-04-15
Applicant: 桂林电子科技大学
IPC: G06T9/00 , H04N19/176 , H04N19/85 , G06N3/0464 , G06N3/0985 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种基于自适应非局部特征融合网络的图像压缩感知重建方法，其特征在于，包括如下步骤：1)训练数据预处理；2)获取测数据yi；3)构造图像块压缩观测值yi协同重构组Yi；4)采用线性映射网络F获得初始重建图像块协同重构组Zi；5)将协同重构组Zi进行特征交互得到协同联合重建特征Zc；6)采用全局残差网络Fr对图像块zi进行增强重建获得重建图像z′i；7)采用图像块稀疏约束损失函数对网络训练进行约束。这种方法采用非局部特征为图像块重建提供互补信息，能有效恢复图像中的高频信息。
-
公开(公告)号：CN114898439B
公开(公告)日：2024-03-19
申请号：CN202210614368.1
申请日：2022-06-01
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V20/40 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种基于分段策略和多头卷积注意力的视频人脸识别方法，包括如下步骤：1）对视频人脸数据集进行预处理；2）对步骤1）中得到的视频帧图像集进行分段线性映射、位置嵌入操作；3）深度特征提取；4）识别；5）损失函数进行训练；6）完成人脸识别。本技术方案分段策略有效去除了跨度较大的视频帧面部姿态、大小等变化较大而对特征提取施加的冗余噪声，并结合提出的多头卷积注意力模块有效提取冗长视频序列的上下文信息，同时大幅降低了模型的复杂程度，分段损失函数的设计加速了网络的训练并提高模型抗干扰的能力，最终使得模型具有更好的识别性能。
-
公开(公告)号：CN117407808A
公开(公告)日：2024-01-16
申请号：CN202311475888.X
申请日：2023-11-07
Applicant: 桂林电子科技大学
IPC: G06F18/2431 , G06F18/214 , G06F18/213 , G06V10/764 , G06V10/40 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于分数的扩散模型生成回放的类增量学习方法，所述方法包括如下步骤：1)训练分类器；2)建立基于分数的扩散模型；3)训练鉴别器；4)基于分数的扩散模型的生成回放。本技术方案利用基于分数的扩散模型生成高质量的旧类样本来记忆旧类信息，并使扩散模型和鉴别器能够以与分类器相同的方式来增量式地学习新类别，以此避免顺序更新模型时遭受的灾难性遗忘问题，从而有效地提升分类性能。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.044 seconds)
