-
公开(公告)号：CN115560668A
公开(公告)日：2023-01-03
申请号：CN202211398392.2
申请日：2022-11-09
Applicant: 东南大学
IPC: G01B7/30
Abstract: 本发明公开了一种微型动态倾角测量模组及其解算方法，该发明包括机械结构、电路和解算算法。该模组通过核心板和底板叠加的机械结构，总体尺寸厘米级。整体结构通过贴片工艺和合理规划正反面器件安装位置，将模组的整体温度保持在主控的运行温度，减少惯性传感器温度漂移带来的误差。嵌入式单片机主控芯片实现多种通信方式的数据输出，包括串口输出以及总线输出。运用卡尔曼滤波算法进行误差补偿和噪声滤波，实现估计倾角和测量倾角的融合得到稳定的最优估计倾角。动态输出数据包含惯性传感器六轴数据及解算的二轴倾角，具有体积小、精度高、鲁棒性强等优点。
-
公开(公告)号：CN110706208A
公开(公告)日：2020-01-17
申请号：CN201910867599.1
申请日：2019-09-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于张量均方最小误差的红外弱小目标检测方法，首先提出利用目标邻域块去预测中心像素灰度值；然后根据均方最小误差原理获得预测背景图和差分图；最后通过自适应阈值分割进行小目标检测。完成红外弱小目标检测。本发明能利用全局和局部特征共同探测弱小目标，且具有较强的抑制复杂背景干扰的能力。
-
公开(公告)号：CN110674714A
公开(公告)日：2020-01-10
申请号：CN201910867602.X
申请日：2019-09-13
Applicant: 东南大学
Abstract: 本发明公开了一种快速人脸和人脸关键点联合检测方法，包括如下步骤：步骤1，构建教师网络和学生网络；步骤2，输入一批训练图像，进行数据增强；步骤3，根据自适应尺度匹配策略，划分正负锚点框样本；步骤4，挖掘正负样本，计算多任务损失函数，更新网络参数；步骤5，转至步骤2，直至训练收敛，得到教师网络模型；步骤6，重复步骤2到步骤5，利用教师网络模型，加入迁移学习损失函数，训练得到学生网络模型；步骤7，在测试阶段，输入测试图像到学生网络模型，得到检测结果。本发明可以同时得到人脸和关键点检测结果，加快了人脸识别预处理流程的速度。本发明提出的轻量网络推理速度快，能够部署在算力受限的嵌入式设备。
-
公开(公告)号：CN104992184B
公开(公告)日：2018-03-09
申请号：CN201510381792.6
申请日：2015-07-02
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于半监督极限学习机的多类图像分类方法，将训练样本集分为已标注样本集L、未标注样本集U和测试集T；把U中的样本进行有放回重采样构建N个差异的训练子集；然后在各个子集上与已标记训练样本L分别训练一个半监督极限学习机模型，共N个分类器；将这N次极限学习机对应节点的输出求和取平均；将输出作归一化处理后，应用最优标记和次优标记算法BvSB的主动学习技术对样本进行不确定性评估，从U中取最不确定的样本进行人工标注并转移到L中；重新更新分类器模型，直至迭代结束。通过本发明，解决了相关技术中图像分类存在分类正确率低和学习速度低的问题，为准确、快速、稳定的图像分类奠定了一定的基础。
-
公开(公告)号：CN102663426B
公开(公告)日：2013-12-04
申请号：CN201210087448.2
申请日：2012-03-29
Applicant: 东南大学
Abstract: 本发明提供了一种基于小波多尺度分析和局部三值模式的人脸识别方法，涉及模式识别、图像处理和计算机视觉等技术领域。首先选取合适的人脸图像，然后对训练图像作多尺度小波分析，得到一、二级低频逼近图像，使用LTP算子对低频逼近图像进行变换，得到所有像素点的LTP特征值，再分块统计图像的LTP直方图，连接两级图像的分块直方图得到人脸图像的特征向量表示。对于待识别人脸，获得特征向量后，使用概率统计完成人脸识别。本发明方法有效地降低了图像噪声的影响，增强了图像纹理特征抽取能力，鲁棒性强，识别率高，计算速度快，具有十分重要的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN119919964A
公开(公告)日：2025-05-02
申请号：CN202411936623.X
申请日：2024-12-26
Applicant: 东南大学
IPC: G06V40/10 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0895 , G06N3/09 , G06N3/084
Abstract: 本发明公开了一种在少样本情形下利用深度学习进行二维人体姿态估计的有效方法，该方法包含如下步骤：(1)对于有标注样本，采用通用的监督学习方式训练姿态估计模型；(2)对于无标注样本，采用“一致性训练”或“多教师”方法得到其伪标签，并利用额外的不确定度分支分别估计伪标签的先验和后验不确定度信息；(3)在无标注样本的训练损失项中引入不确定度估计结果：将先验不确定度作为损失项整体权重引入，将后验不确定度作为损失平衡因子引，完成无标注样本部分的训练；(4)对于采用“多教师”方法训练的模型，将伪标签的不确定度估计结果引入融合过程，实现更高质量的伪标签融合。本发明提出的方法能够在引入尽可能少的模型参数量的情况下，有效提取无标签样本中的不确定度信息，引导模型更好地进行从无标签样本的伪标签中进行学习，在少量标注样本的情形下实现高质量的二维人体姿态估计性能。
-
公开(公告)号：CN116597026A
公开(公告)日：2023-08-15
申请号：CN202310601275.X
申请日：2023-05-25
Applicant: 东南大学
IPC: G06T9/00 , G06T11/00 , G06N3/0475
Abstract: 本发明公开了一种多视角全身人体图像生成方法，包括如下步骤：步骤1，构建人体图像生成器及判别器的主体框架；步骤2，输入一批潜在编码、人体关节点热图及相机参数，由生成器生成一批图像；步骤3，将生成的图像送入判别器，计算损失函数，以更新生成器网络参数；步骤4，将数据集中一批图像送入判别器，计算损失函数，以更新判别器网络参数，完成一次网络训练；步骤6，重复步骤2到步骤5，直至训练收敛，得到最终的全身人体图像生成器；步骤7，在测试阶段，把潜在编码、人体关节点热图及相机参数输入生成器，得到生成的图像。本申请解决了全身人体图像生成速度慢、质量低、不真实的问题，且本申请可控制生成图像的人体姿态、相机视角。
-
公开(公告)号：CN105760858A
公开(公告)日：2016-07-13
申请号：CN201610160605.6
申请日：2016-03-21
Applicant: 东南大学
CPC classification number: G06K9/00362 , G06K9/46 , G06K9/4604 , G06K9/4642 , G06K9/4652 , G06K9/6228 , G06K9/6267 , G06K2009/4666 , G06K2209/21
Abstract: 本发明公开了一种基于类Haar中间层滤波特征的行人检测方法。首先提取训练图像集中各训练图像的目标特征，并用所提取的目标特征数据对基于决策树的Adaboost分类器进行训练，得到分类模型；然后提取待检测图像在多个尺度下的目标特征并输入所述分类模型，得到行人检测结果；目标特征的提取方法具体如下：对原始图像分别提取多个不同的通道特征，得到该原始图像的多幅通道特征图；对各通道特征图分别进行降采样；对每一幅降采样后的通道特征图，利用一组预设的类Haar特征模板分别提取该通道特征图的相应类Haar特征；将该原始图像的所有类Haar特征聚合为该原始图像的目标特征。本发明还公开了一种基于类Haar中间层滤波特征的行人检测。本发明可有效提高行人检测性能。
-
公开(公告)号：CN103761507A
公开(公告)日：2014-04-30
申请号：CN201410001390.4
申请日：2014-01-03
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于韦伯法则的局部多值模式的人脸识别方法，分为训练阶段和识别阶段；训练阶段，首先要提取训练样本的特征，对样本进行三级编码；然后将三级编码都转换为Uniform模式，然后对经过三级编码后的图像分别进行均匀的、无交叠的分块处理，再对每个分块提取特征直方图，将每个块每级的特征直方图连接得到一幅人脸图像的整体特征直方图；识别阶段，按照上述特征提取的方法提取待测样本的特征直方图作为待测特征，然后运用χ2概率统计和最近邻分类方法，对待测样本进行识别。本发明在人脸识别中对人脸的光照和姿态具有更佳的鲁棒性，并提高了人脸的识别率。
-
公开(公告)号：CN102663426A
公开(公告)日：2012-09-12
申请号：CN201210087448.2
申请日：2012-03-29
Applicant: 东南大学
Abstract: 本发明提供了一种基于小波多尺度分析和局部三值模式的人脸识别方法，涉及模式识别、图像处理和计算机视觉等技术领域。首先选取合适的人脸图像，然后对训练图像作多尺度小波分析，得到一、二级低频逼近图像，使用LTP算子对低频逼近图像进行变换，得到所有像素点的LTP特征值，再分块统计图像的LTP直方图，连接两级图像的分块直方图得到人脸图像的特征向量表示。对于待识别人脸，获得特征向量后，使用概率统计完成人脸识别。本发明方法有效地降低了图像噪声的影响，增强了图像纹理特征抽取能力，鲁棒性强，识别率高，计算速度快，具有十分重要的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
