-
公开(公告)号：CN115019347A
公开(公告)日：2022-09-06
申请号：CN202210725215.4
申请日：2022-06-24
Applicant: 北京交通大学
Abstract: 本发明提供一种基于跨类别矩阵满秩约束的行人搜索方法及系统，属于计算机视觉技术领域，利用预先训练好的行人搜索模型对获取的待处理的图像数据进行处理，识别图像中的行人；其中，预先训练好的行人搜索模型的训练使用ResNet50网络为基础网络，根据子任务对ResNet50网络进行拆分，构造了一个分离‑基准网络模型，引入可变形卷积来定位整个行人区域，结合秩感知优化损失，对跨类别概率矩阵进行满秩约束，增强类间特征的判别性和多样性。本发明考虑联合多任务协同训练的特征共享网络权重的问题，提出一个基于跨类别概率矩阵秩约束的特征多样性行人搜索框架，然后引入可变形卷积来定位整个行人区域，最后提出了秩感知优化损失，增强类间特征的判别性和多样性。
-
公开(公告)号：CN103530619A
公开(公告)日：2014-01-22
申请号：CN201310522370.7
申请日：2013-10-29
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于RGB-D数据构成的少量训练样本的手势识别方法。本发明包含了：特征提取单元，其基于RGB-D相机得到的对齐的RGB-D图像序列中提取三维稀疏SIFT特征；训练单元，其用于基于少量的手势训练样本来学习模型；识别单元，其用于对输入的连续手势进行识别。本发明能够应用在任何提供RGB-D数据的相机或设备，比如微软的Kinect,华硕的Xtion PRO或Leap公司的Leap Motion；该方法识别速度能够达到实时，可以用在人机交互、手语翻译、智能家居、游戏开发以及虚拟现实中。
-
公开(公告)号：CN118608776A
公开(公告)日：2024-09-06
申请号：CN202410241120.4
申请日：2024-03-04
Applicant: 北京交通大学
Abstract: 本发明提供一种基于几何特征融合的点云语义分割方法及系统，属于机器视觉图像处理技术领域，本发明引入了极坐标转换模块缓解由于物体旋转导致分割性能大幅度下降的问题，为了在降低分割所需的时间的同时还能够不牺牲模型的分割性能，在下采样获取关键点的阶段采用时间开销较小的随机采样，由于随机采样的随机性，不可避免的会损失掉部分特征信息，故而在特征提取和特征融合阶段提出了几何特征融合模块并加入了改进过Point Transformer模块，弥补特征信息的同时对特征进行提取和融合。通过极坐标转换模块和几何特征融合模块，在分割性能和分割时间进行了平衡。本发明能够平衡分割性能和时间开销，解决信息损失和旋转不变性问题，实现有效的大规模点云语义分割。
-
公开(公告)号：CN103530619B
公开(公告)日：2016-08-31
申请号：CN201310522370.7
申请日：2013-10-29
Applicant: 北京交通大学
Abstract: 本发明公开了一种基于RGB?D数据构成的少量训练样本的手势识别方法。本发明包含了：特征提取单元，其基于RGB?D相机得到的对齐的RGB?D图像序列中提取三维稀疏SIFT特征；训练单元，其用于基于少量的手势训练样本来学习模型；识别单元，其用于对输入的连续手势进行识别。本发明能够应用在任何提供RGB?D数据的相机或设备，比如微软的Kinect,华硕的Xtion PRO或Leap公司的Leap Motion；该方法识别速度能够达到实时，可以用在人机交互、手语翻译、智能家居、游戏开发以及虚拟现实中。
-
公开(公告)号：CN115019347B
公开(公告)日：2024-12-13
申请号：CN202210725215.4
申请日：2022-06-24
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/25 , G06N3/08 , G06N3/0464 , G06V10/82 , G06V10/764
Abstract: 本发明提供一种基于跨类别矩阵满秩约束的行人搜索方法及系统，属于计算机视觉技术领域，利用预先训练好的行人搜索模型对获取的待处理的图像数据进行处理，识别图像中的行人；其中，预先训练好的行人搜索模型的训练使用ResNet50网络为基础网络，根据子任务对ResNet50网络进行拆分，构造了一个分离‑基准网络模型，引入可变形卷积来定位整个行人区域，结合秩感知优化损失，对跨类别概率矩阵进行满秩约束，增强类间特征的判别性和多样性。本发明考虑联合多任务协同训练的特征共享网络权重的问题，提出一个基于跨类别概率矩阵秩约束的特征多样性行人搜索框架，然后引入可变形卷积来定位整个行人区域，最后提出了秩感知优化损失，增强类间特征的判别性和多样性。
-
Patent Agency Ranking
公开(公告)号：CN106897662A
公开(公告)日：2017-06-27
申请号：CN201710010146.8
申请日：2017-01-06
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多任务学习的人脸关键特征点的定位方法。该方法包括根据级联分类器对目标图像进行人脸区域检测，利用人眼检测器定位识别出的人脸区域中的人眼的位置，计算出人脸区域中的两眼间的距离；将人脸区域中的两眼间的距离与人脸平均模型中的两眼间的距离进行对比，根据比较结果确定人脸平均模型的缩放比例，利用缩放比例对人脸平均模型中的人脸区域进行位置调整，通过多任务学习方法定位目标图像对应的人脸区域中的人脸特征点。本发明通过利用不同特征的表征优势，结合多任务学习的框架，解决了监督梯度下降法中的特征点定位中的学习不足的问题，提升了人脸特征点定位的初始化模型的检测性能，提高了人脸关键特征点定位的准确性。
-
公开(公告)号：CN106897662B
公开(公告)日：2020-03-10
申请号：CN201710010146.8
申请日：2017-01-06
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多任务学习的人脸关键特征点的定位方法。该方法包括根据级联分类器对目标图像进行人脸区域检测，利用人眼检测器定位识别出的人脸区域中的人眼的位置，计算出人脸区域中的两眼间的距离；将人脸区域中的两眼间的距离与人脸平均模型中的两眼间的距离进行对比，根据比较结果确定人脸平均模型的缩放比例，利用缩放比例对人脸平均模型中的人脸区域进行位置调整，通过多任务学习方法定位目标图像对应的人脸区域中的人脸特征点。本发明通过利用不同特征的表征优势，结合多任务学习的框架，解决了监督梯度下降法中的特征点定位中的学习不足的问题，提升了人脸特征点定位的初始化模型的检测性能，提高了人脸关键特征点定位的准确性。
-
公开(公告)号：CN102142132A
公开(公告)日：2011-08-03
申请号：CN201110080418.4
申请日：2011-03-31
Applicant: 北京交通大学
Abstract: 本发明涉及一种基于模块的图像修复方法，该方法包括：选择待修复目标区域；计算待修复目标区域内各像素点对应的具有预定大小的待修复模块的纹理特征统计值，根据计算得到的纹理特征统计值调整各待修复模块的大小；利用置信度约束和数据项约束计算各待修复模块的优先级；在图像已知区域内寻找与具有最高优先级的待修复模块最相似的模块，将其中全部像素点填充入该待修复模块中，同时更新本次填充的待修复模块内被填充像素的置信度约束；采用散度约束下的重叠区域图像融合减弱本次填充的待修复模块填充后的模块接缝效应；对填充后待修复目标区域重复上述步骤，直至待修复目标区域内所有像素被填满。
-
公开(公告)号：CN100520807C
公开(公告)日：2009-07-29
申请号：CN200710304466.0
申请日：2007-12-28
Applicant: 北京交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多尺度总体变分商图像的独立分量分析人脸识别方法，属于人脸识别技术领域，包括对比度增强；用TV-L1对人脸图像做尺度分解，得到含骨骼轮廓及肌肉信息的大尺度图像和含口眼鼻细节的小尺度图像；对小尺度图像进行商平衡得到光照不变的特征；选用特征融合技术，将大尺度特征和光照不变的特征融合成新人脸图像；用Gabor分析提取新人脸图像在特定尺度和方向上的特征，生成多尺度Gabor人脸；用信息最大化独立分量分析算法提取所有样本的特征向量；利用已知人脸的特征向量对待识别人脸的特征向量计算相似度和按相似度排序给出最终识别结果。本发明达到了高的识别率和对光照、表情、化妆等外部干扰的强的鲁棒性。
-
公开(公告)号：CN101236598A
公开(公告)日：2008-08-06
申请号：CN200710304466.0
申请日：2007-12-28
Applicant: 北京交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于多尺度总体变分商图像的独立分量分析人脸识别方法，属于人脸识别技术领域，包括对比度增强；用TV－L1对人脸图像做尺度分解，得到含骨骼轮廓及肌肉信息的大尺度图像和含口眼鼻细节的小尺度图像；对小尺度图像进行商平衡得到光照不变的特征；选用特征融合技术，将大尺度特征和光照不变的特征融合成新人脸图像；用Gabor分析提取新人脸图像在特定尺度和方向上的特征，生成多尺度Gabor人脸；用信息最大化独立分量分析算法提取所有样本的特征向量；利用已知人脸的特征向量对待识别人脸的特征向量计算相似度和按相似度排序给出最终识别结果。本发明达到了高的识别率和对光照、表情、化妆等外部干扰的强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
