基于扩散加噪的三维手部顶点优化模型的构建方法

    公开(公告)号:CN119295624B

    公开(公告)日:2025-03-14

    申请号:CN202411847755.5

    申请日:2024-12-16

    Inventor: 周永霞 何正楷

    Abstract: 本申请提出了一种基于扩散加噪的三维手部顶点优化模型的构建方法,包括以下步骤:构建三维手部顶点优化框架,获取手部图像的全局特征、第一顶点特征与时间步特征输入到特征融合自注意力模块中去噪顶点特征;在加权顶点平衡模块中将初始顶点特征与去噪顶点特征进行加权融合得到优化顶点特征;根据优化顶点特征与对应的真实顶点特征构建损失函数,并根据损失函数的结果来对三维手部顶点优化框架中的参数进行调整得到三维手部顶点优化模型。本方案通过在训练过程中向真实顶点特征中逐步加噪和去噪使模型能够捕捉每个顶点的空间关系和时间步长信息,有效解决了因局部信息丢失引起的建模偏差。

    商标检测方法和装置、介质和计算机设备

    公开(公告)号:CN115512161A

    公开(公告)日:2022-12-23

    申请号:CN202211215852.3

    申请日:2022-09-30

    Abstract: 一种商标检测方法和装置、介质和计算机设备,所述方法包括:获取目标图像;通过目标检测网络对目标图像中的商标的类别信息进行检测;目标检测网络包括:特征提取子网络,包括级联的多个特征提取模块,每个特征提取模块用于对本模块的输入特征进行特征提取;融合子网络,包括级联的多个融合模块,每个融合模块通过一个第一卷积模块连接一个特征提取模块;每个融合模块的输出特征至少通过对该融合模块的前一融合模块的输出特征与该融合模块及该融合模块之后的各个融合模块对应的第一卷积模块的输出特征进行融合得到;至少一个融合模块的输出特征融合有该融合模块对应的第一卷积模块的输入特征;所述类别信息基于各个融合模块的输出特征获取。

    基于结合稠密小波的双分支网络的低照度图像增强方法

    公开(公告)号:CN116029916A

    公开(公告)日:2023-04-28

    申请号:CN202211346996.2

    申请日:2022-10-31

    Abstract: 本发明请求保护基于结合稠密小波的双分支网络的低照度图像增强方法。该方法包括以下步骤:步骤A:对低照度图像和正常光图像进行预处理,组成训练图像对;步骤B:设计结合小波变换的双分支网络的低照度图像增强网络,该网络包含多尺度稠密小波融合模块,和双分支模块;步骤C:设计低照度图像的联合损失函数,训练网络至收敛;步骤D:将待测的低照度图像输入到训练好的低照度图像增强网络中,对图像预测生成正常光图像。

    基于扩散加噪的三维手部顶点优化模型的构建方法

    公开(公告)号:CN119295624A

    公开(公告)日:2025-01-10

    申请号:CN202411847755.5

    申请日:2024-12-16

    Inventor: 周永霞 何正楷

    Abstract: 本申请提出了一种基于扩散加噪的三维手部顶点优化模型的构建方法,包括以下步骤:构建三维手部顶点优化框架,获取手部图像的全局特征、第一顶点特征与时间步特征输入到特征融合自注意力模块中去噪顶点特征;在加权顶点平衡模块中将初始顶点特征与去噪顶点特征进行加权融合得到优化顶点特征;根据优化顶点特征与对应的真实顶点特征构建损失函数,并根据损失函数的结果来对三维手部顶点优化框架中的参数进行调整得到三维手部顶点优化模型。本方案通过在训练过程中向真实顶点特征中逐步加噪和去噪使模型能够捕捉每个顶点的空间关系和时间步长信息,有效解决了因局部信息丢失引起的建模偏差。

    一种基于YOLO-EES网络的商标检测与分类方法

    公开(公告)号:CN116824563A

    公开(公告)日:2023-09-29

    申请号:CN202310217394.5

    申请日:2023-03-03

    Abstract: 本发明提供一种基于YOLO‑EES网络的商标检测与分类方法,其包括如下步骤:首先自定义数据集,从公开的商标数据集中手动筛选了15494张商标图片,对其进行人工标注;其次采用基于YOLO‑EES网络的深度学习的方法,针对商标背景复杂、商标设计多样、商标数量庞大等问题,提出全新的加强空间金字塔池化模块(ESPP),并在这个模块中构建了一种新的混合注意力机制(HAM),保留更多细节信息、强化更加重要的信息;接着搭建了一种新的加强自适应自注意模块(ESAM),通过自适应特征融合,减少上下文信息的丢失;最后使用SIoU损失函数替换原有的CIoU损失函数,提高边界框的回归精度,减少漏检和误检的情况。本发明能够有效地提高复杂环境的商标图像检测精度,具有广阔的应用前景。

Patent Agency Ranking