-
公开(公告)号：CN108765255A
公开(公告)日：2018-11-06
申请号：CN201810553288.3
申请日：2018-05-31
Applicant: 东南大学
IPC: G06T1/00
CPC classification number: G06T1/005
Abstract: 本发明公开了一种基于压缩感知技术的角度量化索引调制图像水印方法，采用混沌序列构建稀疏随机测量矩阵作为观测矩阵，利用压缩感知技术以及角度量化索引调制算法，将水印信息安全、隐蔽地嵌入到载体图像的压缩感知域中。本发明还提出一种基于压缩感知技术的角度量化索引调制图像水印系统，包括构建观测矩阵模块、水印嵌入模块，信息传输模块，水印提取模块。本发明在发送端通过角度量化索引调制算法将水印信息嵌入到载体图像的压缩感知域中，并将观测矩阵的相关信息以及水印的嵌入位置作为密钥发送到接收端，实现水印提取，具有隐蔽性好、安全性高等优点，并且在抵抗噪声、滤波、图像压缩、幅度缩放等常规水印攻击时表现出很强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN108921024A
公开(公告)日：2018-11-30
申请号：CN201810553330.1
申请日：2018-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于人脸特征点信息与双网络联合训练的表情识别方法，涉及到自动表情识别领域；设计了一种针对不定长图片序列的关键帧抽取方法，包括以下步骤：（1）人脸特征点定位；（2）累计各帧特征点位移，抽取使其最大化的图片子序列；（3）对子序列的特征点坐标进行归一化及加噪处理作为序列特征；（4）将输入特征分别送入双层双向长短期记忆网络和四层全连接网络，分别独立训练；（5）将两个子网络的特征层相加，基于来自两个子网络的验证信号，以及自身的损失函数，继续训练两个子网络，得到最终的判别结果。本发明解决了不定长图片序列的表情识别问题，以及常规深度学习方法的效率低下问题，达到了提高识别效率与准确率的效果。
-
公开(公告)号：CN108764287A
公开(公告)日：2018-11-06
申请号：CN201810374361.0
申请日：2018-04-24
Applicant: 东南大学
CPC classification number: G06K9/6268 , G06K9/46 , G06N3/0454
Abstract: 本发明公开了一种基于深度学习和分组卷积的目标检测方法，涉及到基于深度学习的目标检测领域；其方法设计了一种新的网络结构：双路结构，双路结构主要包括主路结构和支路结构。该目标检测方法包括以下步骤：1)、对输入图像进行预处理；2)、基于区域推荐网络在输入图像上生成大量候选区域；3)、利用基于双路结构的卷积神经网络提取各候选区域的特征；4)、将所提取的特征输入分类器，进行分类。本发明还提出一种目标检测系统，包括图像采集单元，图像分析单元，分类单元。本发明解决了数据量、计算量大所导致的检测效率低的问题，达到了降低人力成本、提高安保等工作效率的效果。
-
公开(公告)号：CN108765255B
公开(公告)日：2022-04-29
申请号：CN201810553288.3
申请日：2018-05-31
Applicant: 东南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于压缩感知技术的角度量化索引调制图像水印方法，采用混沌序列构建稀疏随机测量矩阵作为观测矩阵，利用压缩感知技术以及角度量化索引调制算法，将水印信息安全、隐蔽地嵌入到载体图像的压缩感知域中。本发明还提出一种基于压缩感知技术的角度量化索引调制图像水印系统，包括构建观测矩阵模块、水印嵌入模块，信息传输模块，水印提取模块。本发明在发送端通过角度量化索引调制算法将水印信息嵌入到载体图像的压缩感知域中，并将观测矩阵的相关信息以及水印的嵌入位置作为密钥发送到接收端，实现水印提取，具有隐蔽性好、安全性高等优点，并且在抵抗噪声、滤波、图像压缩、幅度缩放等常规水印攻击时表现出很强的鲁棒性。
-
公开(公告)号：CN108876721A
公开(公告)日：2018-11-23
申请号：CN201810552826.7
申请日：2018-05-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于课程学习的超分辨率图像重建方法，该方法设计了一种新的深度神经网络训练方法，通过为训练样本设置学习的先后顺序，促进神经网络的收敛。包括以下步骤：1)对输入图像进行预处理；2)按照训练样本的纹理复杂度将训练样本分成多个训练子集；3)基于改进的课程学习方法在已分类的训练子集上训练深度神经网络；4）训练多个神经网络来实现不同倍数的放大，从而依据实际情况恢复出丢失的纹理细节。本发明还公开了一种基于课程学习的超分辨率图像重建系统。本发明解决了深度神经网络训练时间较长的问题，同时，在超分辨率重建上的效果也明显优于传统方法训练的深度网络。
-
公开(公告)号：CN108764287B
公开(公告)日：2021-11-16
申请号：CN201810374361.0
申请日：2018-04-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习和分组卷积的目标检测方法，涉及到基于深度学习的目标检测领域；其方法设计了一种新的网络结构：双路结构，双路结构主要包括主路结构和支路结构。该目标检测方法包括以下步骤：1)、对输入图像进行预处理；2)、基于区域推荐网络在输入图像上生成大量候选区域；3)、利用基于双路结构的卷积神经网络提取各候选区域的特征；4)、将所提取的特征输入分类器，进行分类。本发明还提出一种目标检测系统，包括图像采集单元，图像分析单元，分类单元。本发明解决了数据量、计算量大所导致的检测效率低的问题，达到了降低人力成本、提高安保等工作效率的效果。
-
-
-
-
-
Search Results
6
records
(took 0.033 seconds)
