-
公开(公告)号:CN115331081A
公开(公告)日:2022-11-11
申请号:CN202211053451.2
申请日:2022-08-31
Applicant: 华中科技大学
IPC: G06V10/80 , G06V10/766
Abstract: 本发明公开一种图像目标检测方法:使用Transformer网络作为骨干网络从图像提取多分辨率特征图;将多分辨率特征图输入到跨尺度注意力的特征金字塔网络中;在特征金字塔网络中,从输入的小分辨率特征开始,利用跨尺度注意力模块,逐步往大分辨率进行特征的融合及重组,特征从小分辨率到大分辨率被累积融合;通过融合后的特征将被进一步送入后续处理及预测模块,进行检测框的回归和类别的预测,基于目标数据集训练上述跨尺度注意力的特征金字塔网络直至收敛;利用训练得到的跨尺度注意力的特征金字塔网络对待检测图片进行检测框的回归和类别的预测。提升最终目标检测的性能。本发明还提供了相应的图像目标检测装置。
-
公开(公告)号:CN112818755B
公开(公告)日:2022-05-06
申请号:CN202110041665.7
申请日:2021-01-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于主动学习的步态识别方法,对待检测输入图像,使用主模型提取出特征矩阵,使用副模型对样本进行评估和筛选。在训练过程中,首先使用数量相对较少的已标注样本对主模型和副模型进行训练,然后对未标注的样本进行评估。在得到未标注样本的评估结果后,按照既定策略进行样本筛选,将筛选出的样本加入到已标注样本集中,输入模型中继续进行训练。本方法利用主动学习的思想,从未标注的数据样本中选取更有价值的样本进行标注训练,可以大大减少人工标注的代价。在数据样本有限时,本方法也可用来选取信息量相对更丰富的样本,使模型能够有针对性进行训练,从而在样本有限的情况下,尽可能利用样本多样性来提升模型的效果。
-
公开(公告)号:CN112927245A
公开(公告)日:2021-06-08
申请号:CN202110388605.2
申请日:2021-04-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于实例查询的端到端实例分割方法:(1)训练基于实例查询和多层级并行掩码监督的端到端实例分割算法模型,包括以下子步骤:(1.1)对原始数据集中所有图片的感兴趣类别的物体进行实例级别的标注,标签为实例级别的包围框的左上及右下顶点和实例对应的前景掩码,得到带标注的标准训练数据集;(1.2)定义基于实例查询向量以及多层级并行掩码监督的端到端实例分割算法模型,利用反向传播和梯度下降算法训练该基于实例查询向量以及多层级并行掩码监督的端到端实例分割算法模型;(2)利用上述训练好的模型对待识别图片进行实例分割。
-
公开(公告)号:CN112926549A
公开(公告)日:2021-06-08
申请号:CN202110404465.3
申请日:2021-04-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于时间域‑空间域特征联合增强的步态识别方法,对待检测步态序列,先使用卷积神经网络提取序列特征表达,再自适应地捕捉显著的空域特征,最后分别进行空间域与时间域的建模。自适应显著性特征生成模块可灵活地提取来自不同身体区域的突出特征,有效地丰富特征的多样性与显著性。基于这样的多区域显著性特征,本发明,分别对输入步态序列进行空间域与时间域的建模,通过联合优化,输出空间域‑时间域联合增强的步态特征。本方法在不同场景下的精度高、鲁棒性强,能有效克服由于行人携带不同物品或穿着不同衣物产生的外观变化所导致的不利因素。本发明还提供了相应的基于时间域‑空间域特征联合增强的步态识别系统。
-
公开(公告)号:CN112818755A
公开(公告)日:2021-05-18
申请号:CN202110041665.7
申请日:2021-01-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于主动学习的步态识别方法,对待检测输入图像,使用主模型提取出特征矩阵,使用副模型对样本进行评估和筛选。在训练过程中,首先使用数量相对较少的已标注样本对主模型和副模型进行训练,然后对未标注的样本进行评估。在得到未标注样本的评估结果后,按照既定策略进行样本筛选,将筛选出的样本加入到已标注样本集中,输入模型中继续进行训练。本方法利用主动学习的思想,从未标注的数据样本中选取更有价值的样本进行标注训练,可以大大减少人工标注的代价。在数据样本有限时,本方法也可用来选取信息量相对更丰富的样本,使模型能够有针对性进行训练,从而在样本有限的情况下,尽可能利用样本多样性来提升模型的效果。
-
公开(公告)号:CN104636725B
公开(公告)日:2017-09-29
申请号:CN201510058032.1
申请日:2015-02-04
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度图像的手势识别方法,训练数据集和测试数据集中的深度图像通过深度传感器采集得到,首先计算图像中人体区域的最小深度值,再利用深度阈值,结合人手是离传感器最近物体的预设条件,分割出深度图像中的手势;然后获取手势在三个正交平面上的投影图,分别称为正视投影图、侧视投影图和顶视投影图;接着提取三个投影图的轮廓片段包特征,并级联成原始深度手势的特征向量;最后训练分类器,对从待识别深度图像中获取的手势特征向量进行分类,得到待识别手势的识别结果。本发明还提供了相应的手势识别系统。本发明方法手势识别简单易行,推广能力强,识别准确率高,能有效克服杂乱背景、光照、噪声及自遮挡等不利因素的影响。
-
公开(公告)号:CN106845392A
公开(公告)日:2017-06-13
申请号:CN201710038193.3
申请日:2017-01-18
Applicant: 华中科技大学
CPC classification number: G06K9/00523 , G06K9/00503 , G06K9/00536 , G06K9/6218 , H04W4/043 , H04W64/00
Abstract: 本发明公开了一种基于众包轨迹的室内转角地标匹配及识别方法,包括:获取室内布局图的地标二维坐标信息;在目标区域设置N个信号源、使得用户终端可以采集到至少一个信号源的信号;采集已标注与未标注的轨迹,划分为轨迹窗口;从已标注的轨迹窗口提取针对性的特征,训练姿态组识别分类器与转角识别分类器;利用已训练的分类器对未标注的轨迹窗口进行转角地标的识别,提取其中的正类窗口的RSS数据;利用多维尺度分析算法降维到多种维度,分别进行聚类与匹配;采用投票算法,根据多种维度下的聚类匹配结果,使有效采样值对应到某转角,无效采样值被过滤;根据匹配结果生成转角地标指纹;本发明相对现有转角地标识别方法提高了识别性能。
-
公开(公告)号:CN106792465A
公开(公告)日:2017-05-31
申请号:CN201611219485.9
申请日:2016-12-26
Applicant: 华中科技大学
Abstract: 一种基于众包指纹的室内指纹地图构建方法,属于基于指纹的室内定位技术,解决现有基于众包指纹构建室内指纹地图所存在的众包指纹位置标注不准确、维度不同和分布不均导致的定位准确度不高和计算量大的问题,用于通信与无线网络技术领域。本发明包括栅格划分步骤、获得众包指纹步骤、众包指纹拆分步骤、众包指纹数量判断步骤、AP筛选步骤、直接构造栅格指纹步骤和指纹曲面拟合步骤。本发明减少了指纹采集工作量,有利于提高定位准确度,同时减少指纹对比工作量。
-
公开(公告)号:CN106682696A
公开(公告)日:2017-05-17
申请号:CN201611241532.X
申请日:2016-12-29
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于在线示例分类器精化的多示例检测网络及其训练方法,包括:确定训练图片集,并选择每张训练图片中的多个候选区域;获得所述训练图片集中训练图片的卷积特征图,并得到各候选区域的卷积特征;将各候选区域的卷积特征输入到全连接层中,得到各候选区域的特征向量;构建一个基准示例分类器,并构建多个精化示例分类器,通过更新每个候选区域得分的权重进行在线示例分类器精化;合并整个网络中的损失函数,训练端到端的多示例检测网络。本发明将多示例分类器训练和分类器精化整合到一起,训练速度快识别准确率高,仅依赖图像标签的数据集,不需要人工对目标示例的位置和标签进行标注,适用于弱监督的目标检测问题。
-
公开(公告)号:CN103379441A
公开(公告)日:2013-10-30
申请号:CN201310294150.3
申请日:2013-07-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于曲线拟合和位置搜索的室内定位方法,包括:在目标区域中设置M个信号源和N个参考点,对每个参考点进行信号强度采样,然后对样本取均值,得到第i个参考点的指纹,将目标区域划分为K个区域,并根据每个区域内的参考点指纹,建立相应的区域指纹并存到指纹数据库,在每个区域内针对每一个信号源,利用该区域内参考点指纹,建立接收信号强度与到信号源距离的函数关系,定位阶段,首先将待定位点指纹与各区域指纹对比,确定待定位点所在区域,然后在定位区域内进行位置搜索,确定待定位点的坐标位置。本发明能够解决现有最小二乘定位技术中,距离估测不准而导致较大的定位误差,而指纹定位易受参考点粒度制约,导致精度有限的问题。
-
-
-
-
-
-
-
-
-