-
公开(公告)号：CN118314617A
公开(公告)日：2024-07-09
申请号：CN202410741153.5
申请日：2024-06-11
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/16 , G06V10/82 , G06V20/40 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于分块多尺度卷积神经网络的微表情识别方法，包括：提供包括多个视频序列的数据集，视频序列包括起始帧和顶点帧；从数据集中选择一个视频序列作为待测样本；提供基于分块多尺度卷积神经网络；将待测样本输入基于分块多尺度卷积神经网络，基于分块多尺度卷积神经网络的光流特征提取模块根据待测视频生成四维光流特征向量；基于分块多尺度卷积神经网络的分块多尺度卷积模块根据四维光流特征向量生成识别结果。通过光流特征提取模块更准确地捕捉和强化微表情的动态特征，为识别过程提供丰富的信息源；分块多尺度卷积模块增强了对微妙面部变化的敏感度，从而提升微表情识别的准确性。
-
公开(公告)号：CN117132937A
公开(公告)日：2023-11-28
申请号：CN202311140621.5
申请日：2023-09-06
Applicant: 东北大学佛山研究生创新学院 , 东北大学
IPC: G06V20/52 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种基于注意力孪生网络的双通道行人重识别方法，包括：将图库图片和待识别的样本图片送入第一孪生网络进行显著特征提取，获取每张图片的浅层特征向量；对样本图片和图库图片的浅层特征向量进行相似性度量，计算第一孪生网络的损失L1，根据损失值得到相似性最高的k张图库图片；将k张图库图片与样本图片送入第二孪生网络中计算其损失L2；同时将样本图片和k张图库图片按照相似性顺序输入到双向长短期记忆网络计算上下语义特征向量和均方差损失L3，上下语义特征向量经聚合得到图片排序特征向量；将第二孪生网络的损失L2与图片排序特征向量进行融合并计算距离，再进行相似度聚合输出与待识别的样本图片最相似的图片列表。
-
公开(公告)号：CN117132937B
公开(公告)日：2024-12-06
申请号：CN202311140621.5
申请日：2023-09-06
Applicant: 东北大学佛山研究生创新学院 , 东北大学
IPC: G06V20/52 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/084
Abstract: 本发明提供一种基于注意力孪生网络的双通道行人重识别方法，包括：将图库图片和待识别的样本图片送入第一孪生网络进行显著特征提取，获取每张图片的浅层特征向量；对样本图片和图库图片的浅层特征向量进行相似性度量，计算第一孪生网络的损失L1，根据损失值得到相似性最高的k张图库图片；将k张图库图片与样本图片送入第二孪生网络中计算其损失L2；同时将样本图片和k张图库图片按照相似性顺序输入到双向长短期记忆网络计算上下语义特征向量和均方差损失L3，上下语义特征向量经聚合得到图片排序特征向量；将第二孪生网络的损失L2与图片排序特征向量进行融合并计算距离，再进行相似度聚合输出与待识别的样本图片最相似的图片列表。
-
公开(公告)号：CN118644895A
公开(公告)日：2024-09-13
申请号：CN202410782924.5
申请日：2024-06-18
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/20 , G06V10/774 , G06V10/77 , G06V10/82
Abstract: 本发明的一种基于离散扩散模型的文本条件人体动作生成方法，包括：步骤1：获取人体3D关键点数据集；步骤2：采用人体3D关键点数据集对动作量化变分自编码器进行预训练，采用训练完的动作量化变分自编码器编码获得动作潜变量；步骤3：采用人体3D关键点数据集和动作潜变量对轻量化离散扩散模型进行训练；步骤4：将给定的文本条件输入到文本编码器，生成文本特征向量，将文本特征向量输入到训练好的轻量化离散扩散模型获得动作潜变量，将动作潜变量输入到训练好的动作量化变分自编码器，解码获得与给定的文本条件对应的3D关键点运动序列。
-
公开(公告)号：CN118644895B
公开(公告)日：2025-03-07
申请号：CN202410782924.5
申请日：2024-06-18
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/20 , G06V10/774 , G06V10/77 , G06V10/82
Abstract: 本发明的一种基于离散扩散模型的文本条件人体动作生成方法，包括：步骤1：获取人体3D关键点数据集；步骤2：采用人体3D关键点数据集对动作量化变分自编码器进行预训练，采用训练完的动作量化变分自编码器编码获得动作潜变量；步骤3：采用人体3D关键点数据集和动作潜变量对轻量化离散扩散模型进行训练；步骤4：将给定的文本条件输入到文本编码器，生成文本特征向量，将文本特征向量输入到训练好的轻量化离散扩散模型获得动作潜变量，将动作潜变量输入到训练好的动作量化变分自编码器，解码获得与给定的文本条件对应的3D关键点运动序列。
-
Patent Agency Ranking
公开(公告)号：CN118314617B
公开(公告)日：2024-10-08
申请号：CN202410741153.5
申请日：2024-06-11
Applicant: 东北大学 , 东北大学佛山研究生创新学院
IPC: G06V40/16 , G06V10/82 , G06V20/40 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于分块多尺度卷积神经网络的微表情识别方法，包括：提供包括多个视频序列的数据集，视频序列包括起始帧和顶点帧；从数据集中选择一个视频序列作为待测样本；提供基于分块多尺度卷积神经网络；将待测样本输入基于分块多尺度卷积神经网络，基于分块多尺度卷积神经网络的光流特征提取模块根据待测视频生成四维光流特征向量；基于分块多尺度卷积神经网络的分块多尺度卷积模块根据四维光流特征向量生成识别结果。通过光流特征提取模块更准确地捕捉和强化微表情的动态特征，为识别过程提供丰富的信息源；分块多尺度卷积模块增强了对微妙面部变化的敏感度，从而提升微表情识别的准确性。
-
公开(公告)号：CN116339354A
公开(公告)日：2023-06-27
申请号：CN202310125556.2
申请日：2023-02-16
Applicant: 东北大学
IPC: G05D1/06
Abstract: 本发明公开了一种马尔可夫跳变通信拓扑的水下机器人协同控制器设计方法，包括：设计多水下机器人系统，设计基于通信时滞及马尔可夫跳变通信拓扑结构的协同追踪控制器，设计包含水下机器人状态信息的李雅普诺夫函数及协同追踪控制器稳定性约束条件；基于李雅普诺夫函数的弱无穷小算子验证协同追踪控制器的稳定性，并计算协同追踪控制器的增益参数。本发明的控制器可使通信拓扑结构在发生马尔可夫跳变的情况下依然稳定协同追踪目标点，达到多水下机器人状态信息的一致性，同时可求解出控制器所需的必要参数。
-
公开(公告)号：CN114255357B
公开(公告)日：2024-12-10
申请号：CN202111588174.0
申请日：2021-12-23
Applicant: 东北大学
IPC: G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于计算机视觉的群养生猪身份识别与健康监测方法，包括截取采集的视频，获得图像，利用结构相似性指数来度量图像间的相似度，去除极度相似图像，得到猪脸识别数据集和生猪健康监测数据集；将猪脸识别数据集送入卷积神经网络，进行猪脸识别，将生猪健康监测数据集输入目标检测算法，进行健康监测；猪脸识别任务和生猪健康监测任务存在很强的相关性，共享特征提取层，训练时对两个任务进行联合优化，实现猪脸识别精度和生猪健康监测准确率的同步提高。本方法通过无接触的摄像头数据判断猪的身份和健康状态，操作简单，方便快捷，节省了通过人工方式监测健康状态的时间，为养殖场的养殖人员提供参考依据，具有极大的应用价值。
-
公开(公告)号：CN118625841A
公开(公告)日：2024-09-10
申请号：CN202410872182.5
申请日：2024-07-01
Applicant: 东北大学
IPC: G05D1/485 , G05D101/10
Abstract: 本发明提供基于在线建模和模型预测控制的水下机器人轨迹跟踪方法，属于水下机器人控制的技术领域。本发明方法包括离线部分和在线部分。离线部分先通过模糊c‑均聚类算法对水下机器人水平运动的离线数据进行聚类，并记录每一簇的中心。然后根据所推导的偏航模型非参数形式通过最小二乘支持向量建立每一类的离线非参模型。在线部分中通过设计了一种数据选择窗结构，对水下机器人的偏航模型进行在线更新，这样做提高了对于数据的利用率，并降低了切换模型预测时产生的误差，进而通过引入模型预测控制方法解决轨迹跟踪问题，其中模型预测控制所用的预测模型即为在线建立的AUV偏航模型。
-
公开(公告)号：CN114255357A
公开(公告)日：2022-03-29
申请号：CN202111588174.0
申请日：2021-12-23
Applicant: 东北大学
Abstract: 本发明公开一种基于计算机视觉的群养生猪身份识别与健康监测方法，包括截取采集的视频，获得图像，利用结构相似性指数来度量图像间的相似度，去除极度相似图像，得到猪脸识别数据集和生猪健康监测数据集；将猪脸识别数据集送入卷积神经网络，进行猪脸识别，将生猪健康监测数据集输入目标检测算法，进行健康监测；猪脸识别任务和生猪健康监测任务存在很强的相关性，共享特征提取层，训练时对两个任务进行联合优化，实现猪脸识别精度和生猪健康监测准确率的同步提高。本方法通过无接触的摄像头数据判断猪的身份和健康状态，操作简单，方便快捷，节省了通过人工方式监测健康状态的时间，为养殖场的养殖人员提供参考依据，具有极大的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
