-
公开(公告)号：CN103868460B
公开(公告)日：2016-10-05
申请号：CN201410094119.X
申请日：2014-03-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于视差优化算法的双目立体视觉自动测量方法，1）得到校正后的双目视图；2）利用立体匹配算法以左视图为基图进行匹配，得到初步的视差图；3）对校正后的左视图，目标物体区域为彩色原图，其他非目标区域全为黑；4）根据目标物体区域，获得目标物体区域的完整视差图；5）对完整视差图，根据投影模型获得三维点云；6）对三维点云，进行坐标重投影，合成坐标关联像素图；7）利用形态学的方法，实现自动测量目标物体的长度和宽度。本发明简化了双目测量操作过程；减少了平滑表面的镜面反射、投影缩减、透视失真、低纹理和重复纹理影响；实现了自动化智能化测量，扩展了双目测量的应用范围，为后续的机器人双目视觉提供技术支持。
-
公开(公告)号：CN104182734A
公开(公告)日：2014-12-03
申请号：CN201410405891.9
申请日：2014-08-18
Applicant: 桂林电子科技大学
IPC: G06K9/00
Abstract: 本发明公开一种基于LRC和协同表示的两阶段人脸识别方法，第一阶段，运用LRC人脸识别算法计算测试样本与每类训练样本的误差，根据它们之间的相似度量与误差的关系对误差进行排序，并对数据库中的目标进行有效的筛选，筛选出S类训练样本用于下一阶段的识别。第二阶段，用筛选出的S类训练集作CRC人脸识别算法的编码字典，并利用其做精确的分类识别。这样可以在保证方法识别率较高，鲁棒性较好的同时，大大能降低了识别时间，当新目标加入数据库时，不用更新整个人脸数据模型，只需更新某一子类模型，从而减少训练时间；并且，通过第一阶段的训练样本的筛选，大大减小了第二阶段识别中数据字典的大小，节约了全局搜索的时间。
-
公开(公告)号：CN101975956B
公开(公告)日：2012-09-12
申请号：CN201010503035.9
申请日：2010-10-10
Applicant: 桂林电子科技大学
IPC: G01S19/23
Abstract: 本发明公开一种CAPS卫星模拟信号发生器，主要由上位机、基带信号处理模块、数模转换器、功分器、3个射频模块和输出部件构成；其中基带信号处理模块的内部主要由DSP信息处理模块和与之相连的FPGA信号处理模块构成；上位机的经串口与基带信号处理模块的DSP信息处理模块相连，基带信号处理模块的FPGA信号处理模块经数模转换器连接至功分器，功分器的3个输出端分别与3个射频模块相连，3个射频模块的输出端与输出部件连接。它能够模拟高精度的卫星导航信号、以及实际环境下的接收机天线所接收到的信号。
-
公开(公告)号：CN118915073A
公开(公告)日：2024-11-08
申请号：CN202411034650.8
申请日：2024-07-30
Applicant: 桂林电子科技大学
IPC: G01S13/95
Abstract: 本发明公开了一种基于双偏振雷达数据的临近降水预报方法。主要包括以下步骤：(1)对双偏振雷达基数据和与之时空匹配的降水数据进行预处理；(2)将预处理后的双偏振雷达‑降水数据随机划分为深度学习网络训练所用的训练集和测试集，并对划分好的数据集进行归一化操作；(3)使用训练集对基于双偏振雷达数据的临近降水预报网络进行训练，利用训练好的临近降水预报网络对测试集进行降水预测，得到预测降水数据；(4)将预测后的降水数据与实际观测数据对比进行降水预报检测。本发明实现了对双偏振雷达的多模态数据的高效利用，提供了一种更加准确的临近降水预报方法，具有良好的应用前景。
-
公开(公告)号：CN117831076A
公开(公告)日：2024-04-05
申请号：CN202410014421.3
申请日：2024-01-04
Applicant: 桂林电子科技大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06T7/73 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度沙漏注意力和多分类多回归损失的头部姿态估计方法。其特征在于：将头部图像输入到特征提取网络，提取原始图像数据的高级语义信息；采用多尺度沙漏注意力模块聚合多尺度的特征，同时增强浅层细节特征和深度高级语义特征；采用不同细粒度的2、6、18、66和198分类构造多分类多回归损失，较低细粒度的2、6和18分类指导模型去学习更加突出和明显的低级语义特征，而更高细粒度的66和198分类则指导模型去学习类间潜在不明显的细节区别和高级语义特征。本发明提出的头部姿态估计方法能够有效提升模型对不同细粒度特征的提取与整合能力，形成不同尺度的空间特征聚合，降低头部姿态估计的误差。
-
Patent Agency Ranking
公开(公告)号：CN114387553B
公开(公告)日：2024-03-22
申请号：CN202210052157.3
申请日：2022-01-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于帧结构感知聚合的视频人脸识别方法，包括：采用人脸检测模型检测视频数据中每一帧中所含的面部区域并裁剪为固定尺寸的图像，作为输入视频帧；采用跨尺度特征提取网络提取输入的每一个视频帧的特征表示；采用帧结构感知聚合模块为每个特征表示赋予权重；将每个特征图降维、并根据权重进行聚合，得到视频人脸特征向量；集训练模型、并微调网络参数；采用人脸识别网络框架完成最后的识别任务。这种特征提取网络能适应面部特征比例变化的同时，保持对不同尺度特征的高效学习，同时结合帧间关系的挖掘对上下文信息进行有效建模，能够利用各个视频帧的特征及其空间结构信息，最终获得更具鲁棒性的视频人脸特征表示用于识别。
-
公开(公告)号：CN114067399B
公开(公告)日：2024-03-15
申请号：CN202111352121.9
申请日：2021-11-16
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种面向非配合场景的人脸重建与识别方法，其特征在于，包括如下步骤：1）构造三元组人脸数据集；2）三元组损失约束编码；3）亚像素卷积解码；4）多损失约束判别；5）训练生成对抗网络；6）重建与识别。这种方法在低分辨率和较大偏姿的情况下，仍然能够重建出清晰真实的正面人脸图像,并获得较高的识别率。
-
公开(公告)号：CN117523312A
公开(公告)日：2024-02-06
申请号：CN202311736200.9
申请日：2023-12-18
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/40 , G06V20/10
Abstract: 本发明公开了一种基于双分支空谱特征交叉融合网络的高光谱图像分类方法，包括：1）数据预处理；2）光谱支路特征提取；3）空间支路特征提取；4）空谱交叉注意力融合；5）高光谱图像像元分类。这种方法用有限数量的标记训练样本捕获足够的光谱和空间特征，缓解小样本的问题，并且在融合中构建双分支交互性，促进充分融合，能提高高光谱图像分类性能。
-
公开(公告)号：CN116092159A
公开(公告)日：2023-05-09
申请号：CN202310041250.9
申请日：2023-01-11
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V20/52 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种身份识别方法、装置、系统以及存储介质，属于图像识别领域，方法包括：S1：从预设监控摄像机中获得原始行人图像以及原始人脸图像；S2：通过预构建行人模型对原始行人图像进行特征提取得到原始行人特征；S3：通过预构建人脸模型对原始人脸图像进行特征提取得到原始人脸特征；S4：根据原始行人特征以及原始人脸特征进行校准分析得到校准后行人特征以及校准后人脸特征。本发明能够用于任何不同空间维度的不同模型特征融合，可以在单峰分支之间以最小的网络结构变化进行添加，允许每个分支用现有的预训练权值进行初始化，很好地解决了中间层融合难以实现的问题。
-
公开(公告)号：CN115984392A
公开(公告)日：2023-04-18
申请号：CN202310035119.1
申请日：2023-01-10
Applicant: 桂林电子科技大学
IPC: G06T9/00 , G06T7/13 , G06N3/0455
Abstract: 本发明公开了一种基于Transformer增强残差自编码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）对图像观测值y进行初始线性重建；2）设计并采用基于Transformer进行特征增强的残差自编码网络进行深度重建；3）基于全局‑局部联合损失函数进行网络训练。这种方法能更好地捕捉局部和全局特征，有效增强特征信息，精确重建原始图像。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.042 seconds)
