-
公开(公告)号：CN114882593B
公开(公告)日：2024-12-06
申请号：CN202210551600.1
申请日：2022-05-18
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06V40/20 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/62 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明给出了一种鲁棒的时空混合步态特征学习方法和系统，包括对于输入的一组步态帧序列，将每一帧的人体分割为易受着装变化影响的部分和不易受着装变化影响的部分，不易受着装变化影响的部分包括头部和小腿部分；对不易受着装变化影响的部分，通过三个不同子网络分别提取步态特征，将提取到的三个步态特征级联，作为最终进行步态识别的步态特征，三个不同子网络包括局部空间特征提取网络、全局空间特征提取网络和连续短时间间隔内的步态动态特征提取网络。每个子网络都刻画了步态特征的不同方面，串联混合可以合成一个更为鲁棒的步态特征，该方法和系统在处理行人着装变化这一步态识别问题时具有显著的增益效果。
-
公开(公告)号：CN117112823A
公开(公告)日：2023-11-24
申请号：CN202310929283.7
申请日：2023-07-27
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F16/583 , G06F16/55 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 公开了一种同源图像检索方法和系统，包括将教师网络和学生网络分别分为多个模块，将浅层特征提取模块和深层特征提取模块分别进行损失的约束和知识的蒸馏；在浅层特征上将所述教师网络训练输出的伪标签作为所述学生网络在浅层特征学习后输出的标签，计算软分类交叉熵损失；对深层特征的教师网络和学生网络编码输出进行相似度计算，在总损失函数中加上所述教师网络和所述学生网络的硬分类交叉熵损失，完成启发式的网络轻量化训练。本申请通过学生网络对教师网络的启发式学习，并同时考虑标签层面与特征层面的模型表征能力，约束了深浅不同层次的模型特征学习能力，使学生网络能够取得不低于教师网络的图像表征能力，实现了模型的轻量化。
-
公开(公告)号：CN115294529A
公开(公告)日：2022-11-04
申请号：CN202210968789.4
申请日：2022-08-12
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种针对人群活动性质判别的数据增强方法和系统，包括准备人群活动训练数据集、人群活动性质判别的预训练模型，用以生成热力图；从所述人群活动训练数据集中随机提取一个数据对，使用像素级线性混合增强策略，利用线性组合混合图像与标签；使用区域级仿射拼接增强策略，通过剪切粘贴操作拼接图像，根据面积比混合标签；通过强化类梯度激活可视化策略，提取输出类激活热图，执行图像二次混合增强与标签融合，形成以二次混合图像增强数据集，用以扩充原数据集。本申请有效、针对性地实现相关样本库扩充，其扩充流程与结果都可对人群活动性质判别算法产生明显积极影响。
-
公开(公告)号：CN114998972A
公开(公告)日：2022-09-02
申请号：CN202210759642.4
申请日：2022-06-29
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种轻量级的人脸过滤方法和系统，包括制作人脸数据集，人脸数据集包括真实拍摄的人脸图像和网络图片，经过数据清洗分类后以随机分配的方式混入人脸数据集中；构建轻量级人脸过滤的神经网络模型，在主干网络中，通过基于批归一化的缩放因子调节的注意力机制模块，使用批归一化的缩放因子衡量权重，代替全连接层；在网络颈部，在每个特征融合阶段通过上采样或下采样的方式融合所有的图像特征，并且在每一个特征向量前加一个权重参数以充分过滤空间上的冲突信息；损失函数采用类平衡的损失函数CBLoss和FocalLoss相结合。本发明网络设计和训练方式贴近于实际应用，在网络轻量化的同时能够提高人脸多分类的准确度，具有很好的落地效果。
-
公开(公告)号：CN114863486A
公开(公告)日：2022-08-05
申请号：CN202210607692.0
申请日：2022-05-31
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种联合全局和局部信息的层次监督行人再识别方法和系统，包括将输入图像切成多个图像小块，将图像小块作为Transformers分支网络的输入；将部分Transformers分支网络的网络快的特征信息通过expand层后引入ResNet50分支网络中对应的残差卷积块，expand层将2D张量拓展为4D张量；将拓展后的4D张量特征信息和对应的残差卷积块进行通道级联；将Transformers分支通过expand层转换后的特征和对应的ResNet50特征经过双线性池化层，进行特征融合交互，并通过损失函数进行约束。本发明提出的方法和系统执行一个单向聚合操作来推动CNN学习全局特征信息的同时，为了能充分利用全局特征信息和局部信息，结合双线性池化来执行层次监督，在跨长时间段的行人重识别数据集上有很显著的性能提升。
-
Patent Agency Ranking
公开(公告)号：CN114840284A
公开(公告)日：2022-08-02
申请号：CN202111682110.7
申请日：2021-12-31
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06F9/451 , G06F3/0485 , G06F3/0488 , G06F12/02 , G06F11/30
Abstract: 本申请提出了一种用于安卓系统的实现大规模数据连续显示的方法，包括以下步骤：a)在所述触摸设备运行的安卓系统上创建容器类CommonListView，并且监视所设置的容器类CommonListView的滚动；b)在监测到容器类CommonListView滚动到顶部或底部时，触发内部进程进行异步加载将要浏览的数据；c)在加载完成后，通知用于展示数据的容器类CommonListView和用于显示视图的适配器类CommonAdapter更新所述触摸设备显示的数据和界面。该方法在逐步加载的方式上进行改进，结合实际应用场景，根据浏览的情况把相关数据从内存换入与换出，从而达到在小内存上显示大规模(无限)数据的目的。
-
公开(公告)号：CN113221796B
公开(公告)日：2022-07-01
申请号：CN202110565472.1
申请日：2021-05-24
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种基于向量神经元的行人属性识别方法和系统，包括用全尺寸网络OSNet作为行人属性识别的主干网络，其中，全尺寸网络OSNet的卷积层包括点卷积层和深度可分离卷积层；将包括向量神经元的胶囊网络嵌入主干网络中学习不同属性之间的内在联系；将图像依次经过主干网络和胶囊网络识别获取行人属性。该方法和系统在不损失精度的情况下，可将模型参数量变为ResNet50的十分之一，加快识别的运行速度，利用胶囊网络的向量神经元来增加不同属性内在关联，通过不同属性间的内在关联，增加行人属性识别的精度。
-
公开(公告)号：CN112614116B
公开(公告)日：2022-06-28
申请号：CN202011582666.4
申请日：2020-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06T7/00 , G06T7/90 , G06T5/00 , G06T3/40 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明给出了一种用于数字图像的篡改检测方法和系统，包括利用第一质量系数q0压缩彩色图像获得第一图像；随机选取第一图像中的区域以第二质量系数q1进行二次压缩获得第二图像；利用第二质量系数q1压缩彩色图像，并随机选取压缩后的图像中的区域以第一质量系数q0进行二次压缩获得第三图像；分别计算以上图像经过平滑处理的差分图像，并分别将差分图像归一化获得对应的残影图；对残影图进行分块，提取分块的特征，并按特征进行分类训练，识别分块属于一次压缩或二次压缩，获得预测数字图像的一次压缩和二次压缩占比模型；响应于数字图像的一次压缩和二次压缩占比大于预设阈值，数字图像被篡改。该方法极大地提高了篡改检测的精确度和检测速度。
-
公开(公告)号：CN114283472A
公开(公告)日：2022-04-05
申请号：CN202111554032.2
申请日：2021-12-17
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本申请提供了一种基于光流估计的人脸图像美颜检测方法及系统，该方法包括：对待处理的人脸图像进行裁剪获得人脸区域图像，对人脸区域图像进行变形处理获得人脸变形图像，将人脸区域图像和人脸变形图像输入光流提取网络中；分别提取人脸区域图像和人脸变形图像的特征进行融合，使用反卷积网络对特征融合后的图像进行光流提取，获得光流场图像；将待处理人脸图像进行下采样，将下采样图像和待处理图像输入光流场检测网络，进行两层级联特征融合，获得第一特征图、第二特征图和第三特征图并分别计算三张特征图与光流场图像的共同差异，反向传播给光流场检测网络，直至光流场检测网络收敛。根据光流场进行图像复原，能在人脸变形上表现出较好的性能。
-
公开(公告)号：CN112613433A
公开(公告)日：2021-04-06
申请号：CN202011582655.6
申请日：2020-12-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种行人重识别的生成数据的伪标签分配方法及系统，包括利用深层卷积生成对抗网络的方法在行人重识别的真实数据集的基础上生成无标签的数据并构成无标签数据集；根据动态标签分布为无标签数据集中的无标签的数据分配虚拟标签，再通过设置稀疏化因子随机将一定数量的虚拟标签的权重设置为0，得到稀疏正则化多伪标签；利用Softmax进行预测获得行人属于某个预定义类的概率；根据标签分布和概率，得到优化的交叉熵损失函数；将无标签数据集与稀疏正则化多伪标签进行结合，再与真实数据集融合构成训练样本，根据损失函数对训练样本进行训练得到行人重识别模型。避免了模型在某些预定义类的特征上出现过拟合的现象，提升了模型的泛化性能力。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.035 seconds)
