-
公开(公告)号：CN115270399A
公开(公告)日：2022-11-01
申请号：CN202210705913.8
申请日：2022-06-21
Applicant: 武汉工程大学 , 武汉引行科技有限公司
IPC: G06F30/20 , G06K9/62 , G06F119/02
Abstract: 本发明提供一种工业机器人姿态识别方法、装置及存储介质，方法为：导入工业机器人视频，从工业机器人视频中提取并调整工业机器人2D图像；基于人体姿态估计模型DensePose构建教师模型，通过调整后的工业机器人2D图像对教师模型进行训练，通过训练后的教师模型输出工业机器人2D姿态信息；基于均方误差函数MSE构建总体FDPD蒸馏损失函数；基于教师模型构建学生模型，通过总体FDPD蒸馏损失函数和工业机器人2D姿态信息训练学生模型，通过训练后的学生模型识别工业机器人2D图像中的工业机器人姿态。本发明实现了精确高效的工业机器人姿态识别，适用于工业机器人的异常检测，无需过大的网络，提高了工业机器人识别姿态的效率。
-
公开(公告)号：CN115205037A
公开(公告)日：2022-10-18
申请号：CN202210630698.X
申请日：2022-06-06
Applicant: 武汉工程大学 , 武汉引行科技有限公司
Abstract: 本发明涉及股价长期趋势预测方法、装置、电子设备及存储介质，属于深度学习技术领域。本发明利用K线数据获取能够表征股票的走势变化的第一技术指标因子，将K线数据和第一技术指标因子进行结合以更完善地体现股票市场的波动特征，从而提高股价预测的准确性，且利用多个K线数据和多个第一技术指标因子，以合理预测得到多个时间点对应的股票收盘价，使得预测结果能够反映股价的长期趋势，从而提高股价预测结果的实用性。
-
公开(公告)号：CN114820321A
公开(公告)日：2022-07-29
申请号：CN202210513403.0
申请日：2022-05-11
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于双重判别生成对抗网络的人脸图像超分辨率方法及装置，属于人脸图像超分辨率领域，该方法包括：首先，生成对抗网络通过将残差学习和密集连接学习结合，构造密集‑残差块，在不增加网络深度和参数的情况下增强了特征提取能力；其次，对判别网络进行改进，增加了局部判别器，使得重建图像的纹理细节更加真实和丰富；最后提出了新的联合损失函数。本发明所提出的网络优于其他最新的人脸图像超分辨率算法，能生成更高质量的人脸图像，且在低分辨率人脸数据集上的实验证明了该算法的有效性。
-
公开(公告)号：CN112070670B
公开(公告)日：2022-05-10
申请号：CN202010915896.1
申请日：2020-09-03
Applicant: 武汉工程大学
Abstract: 本发明公开了一种基于全局‑局部分离注意力机制的人脸超分辨率方法及系统，将高分辨率人脸图像下采样至目标低分辨率人脸图像；将目标低分辨率图像进行分块操作，分出相互重叠的图像块后，提取粗糙的脸部特征图；构建分离注意力网络作为精细特征提取器，将粗糙的脸部特征输入分离注意力网络获得精细的脸部特征图，分离注意力网络包含若干个全局‑局部分离注意力组，每个全局‑局部分离注意力组产生两路局部注意力并用一个全局注意力模块融合不同的局部注意力，使局部注意力跨特征组交互，实现网络的全局注意力；将得到的人脸精细特征图进行上采样；将上采样后的人脸特征图重建成目标的高分辨率人脸图像。本发明能生成更高质量的人脸高分辨率图像。
-
公开(公告)号：CN114359885A
公开(公告)日：2022-04-15
申请号：CN202111620882.8
申请日：2021-12-28
Applicant: 武汉工程大学 , 武汉逸锦科技有限公司
Abstract: 本发明提供了一种高效的类手‑文混合目标检测方法，通过设计的混合目标检测模型在已经具备手指、笔等类柱体物和目标文本的图像数据集进行训练，平衡地划分训练的正负样本，使深度网络模型只对图像中同时包含类手指指尖和文本字词的区域感兴趣，降低深度网络模型在图像其他区域所生成的预测框的置信度，从而在现实阅读场景中做到模型只对手指所指向的文本进行检测，而忽略当前页的其他文本字词，避免了对图像中手指、笔等类柱体物和文字的两次目标检测与坐标变换的过程，优化了检测的实时性，简化了检测的思路。
-
Patent Agency Ranking
公开(公告)号：CN110705416B
公开(公告)日：2022-03-01
申请号：CN201910905515.9
申请日：2019-09-24
Applicant: 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
Inventor： 陈灯 , 魏巍 , 张彦铎 , 吴云韬 , 李晓林 , 刘玮 , 于宝成 , 周华兵 , 段功豪 , 卢涛 , 李迅 , 彭丽 , 徐文霞 , 谢良 , 王世勋 , 王司恺 , 王逸文
IPC: G06V20/59 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及汽车安全驾驶预警设备领域，尤其涉及一种基于驾驶员面部图像建模的安全驾驶预警方法及系统，方法包括：获取驾驶员的历史面部图像及与历史面部图像对应的汽车振动传感器的振动样本数据；并按预设规则对历史面部图像添加预警类别标签，获得安全预警面部图像库作为预设卷积神经网络的输入，训练生成安全预警分类模型；将实时面部图像作为训练后的安全预警分类模型的输入，并获得安全预警分类模型输出的待检测驾驶员的实时面部图像对应的预警类别；根据预警类别，对应执行报警任务。本发明提供的技术方案无需人工选定特征，能够避免传统图像处理算法中特征提取不完备性的问题，具有更高的预测精度，减少误报率和漏报率。
-
公开(公告)号：CN113850720A
公开(公告)日：2021-12-28
申请号：CN202111051524.X
申请日：2021-09-08
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于元学习优化网络的人脸超分辨率方法及系统，通过元学习优化网络将训练阶段学到的多种降质过程的内在特征联系用在测试的未知降质过程，解决了目前人脸超分辨率重建算法在图像退化类型未知时，人脸图像重建性能存在一定的局限性的技术问题，提高了人脸图像的重建性能。本发明利用元学习能够快速学习一项新任务的特性，使网络通过对训练任务的经验学习来达到在新的测试任务上的良好超分性能。本发明能够应对降质过程未知时人脸图像超分辨率性能下降问题，生成更高质量的人脸高分辨率图像。
-
公开(公告)号：CN113829363A
公开(公告)日：2021-12-24
申请号：CN202111084632.7
申请日：2021-09-16
Applicant: 武汉工程大学
Abstract: 本发明提出一种5G基站数据中心智能巡检机器人及巡检方法，包括移动底盘、摄像机构、动力机构、电源、定位系统和控制系统，移动底盘包括壳体，壳体四角位置设有万向轮，两侧中间位置分别设有主动轮，主动轮与动力机构相连，动力机构、电源及控制系统均设于壳体内部空腔，摄像机构设于壳体顶部中心，定位系统设于壳体前端，控制系统相连分别与摄像机构、动力机构及定位系统相连，本发明自动化程度高，不仅可以提高设备运维管理的工作效率，还可以提高设备运维工作的准确性。
-
公开(公告)号：CN112950478A
公开(公告)日：2021-06-11
申请号：CN202110291613.5
申请日：2021-03-18
Applicant: 武汉工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于双重身份属性约束的人脸超分辨率方法及系统，该方法包括：S1、获取对应的低分辨率人脸图像LR和高分辨率人脸图像HR；S2、将LR输入第一生成器得到高分辨率空间的人脸图像SR，将SR输入第二生成器得到低分辨率空间的人脸图像LR′；S3、将HR输入第二生成器得到低分辨率空间的人脸图像LR″，将LR″输入第一生成器得到高分辨率空间的人脸图像SR′；S4、LR和LR′进行前向闭环约束，HR和SR′进行反向闭环约束；S5、SR和SR′进行前向身份约束，LR″和LR′进行反向身份约束。本发明提出了具有双重身份属性的双闭环网络能够超分辨低分辨率面部图像到相应的高分辨率部分同时保留身份信息，能够有效提升人脸图像的超分辨率重建性能。
-
公开(公告)号：CN112611376A
公开(公告)日：2021-04-06
申请号：CN202011373126.5
申请日：2020-11-30
Applicant: 武汉工程大学
Abstract: 本发明公开了一种RGI‑Lidar/SINS紧耦合AUV水下导航定位方法，包括以下步骤：通过捷联解算得到相应时刻包含AUV位置信息、姿态信息的导航信息；获取水下远距离、高清晰度的选通图像；对IMU输出信息进行预积分，获取AUV在不同时刻的IMU位姿约束；对当前帧的选通图像进行特征提取，并将上一帧选通图像作为参考帧与之进行特征匹配，获取视觉里程计约束；对当前帧选通图像进行回环检测，若检测到符合条件的回环帧图像，则将当前帧选通图像与相应回环帧图像进行特征匹配，获取回环检测约束；将上述三种约束作为约束关系加入到位姿图中进行联合优化，获取并输出优化后的AUV位姿；优化后的AUV位姿可作为惯性数据输入。本发明能满足广泛、长时间、远距离的水下导航定位的需求。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.032 seconds)
