-
公开(公告)号：CN109711280B
公开(公告)日：2020-10-16
申请号：CN201811501290.2
申请日：2018-12-10
Applicant: 北京工业大学
Abstract: 基于ST‑Unet网络的视频异常检测方法，涉及计算机视觉以及模式识别领域。本发明针对视频这类具有强时空相关性数据的处理问题提出新的ST‑Unet网络，该网络即利用了Unet网络在空间特征上良好的建模能力又结合了ConvLSTM在时间上的建模能力。为提高算法的准确性及其泛华能力，本发明在算法训练过中对输入的视频数据利用Dropout层进行“损坏”预处理。通过“损坏”的训练数据训练得到的网络不仅可以对完好的测试数据有较好的异常检测效果，对测试过程含噪的数据亦可检测出是否异常。本发明将重构算法结果与预测算法结果进行联合判别，实现了高精度的基于ST‑Unet网络的视频异常检测算法。
-
公开(公告)号：CN110610174A
公开(公告)日：2019-12-24
申请号：CN201910643964.0
申请日：2019-07-16
Applicant: 北京工业大学
Abstract: 本发明设计一种复杂条件下银行卡号识别方法，该方法是一种利用角点检测、卷积神经网络和生成式对抗网络，在复杂的环境下进行对图像中银行卡的卡片号码的识别系统。本系统利用大量的复杂条件样本训练卷积神经网络，使得图片在角点检测后经过位置及角度校正后，无需其他的图片预处理方法，便能够在更为复杂的拍摄环境和成像环境的条件下检测出银行卡号码。对于低可读性的银行卡号码，本系统利用大量的复杂样本训练好的生成对抗网络DCGAN对其卡号图像进行增强，然后再利用训练好的卷积神经网络进行检测。
-
Patent Agency Ranking
公开(公告)号：CN109741340A
公开(公告)日：2019-05-10
申请号：CN201811538248.8
申请日：2018-12-16
Applicant: 北京工业大学
Abstract: 基于FCN-ASPP网络的冰盖雷达图像冰层精细化分割方法涉及计算机视觉以及模式识别领域。本发明将雷达振幅图像作为网络的训练样本，针对冰层图像数据少的问题做了相应的数据扩增，扩大了该发明的广泛适用性。对冰盖图像进行了Lee滤波。为了尽可能保存边缘信息，对滤波过程增加了阈值判断过程。本发明通过构建FCN-ASPP的冰层分割深度网络，通过对ASPP层进行改进，加强了该网络对于小尺度特征的提取能力。将初步分类结果通过CRF做进一步处理，在实现端到端的像素级分割的基础上进一步精细化了分割结果。此外，该网络极大的实现了自主学习的过程。
-
公开(公告)号：CN108154176A
公开(公告)日：2018-06-12
申请号：CN201711406248.8
申请日：2017-12-22
Applicant: 北京工业大学
Abstract: 本发明公开一种基于单一深度图像的3D人体姿态估计方法。首先提出改进型特征提取办法，综合利用部位尺寸信息和距离变换信息，来指导深度梯度特征提取，可极大增强所提特征的表达能力；为解决随机森林部位分类时存在的误分类问题，提出误分类处理机制—多级随机森林整合算法来去除部位误分点，获得更为准确的部位识别结果；通过改进PDA，利用位置权重阈值处理办法，使能够利用识别的部位尺寸信息，自适应的再次去除部位中的干扰点，从而获得更为准确的主方向向量；最后利用人体部件配置关系得到姿态估计结果。本发明改善了部位分类模型的准确率，并能有效去除识别部位中的误分类干扰点，提高识别部位的准确性，最终获得更为准确的3D人体姿态估计结果。
-
公开(公告)号：CN108154176B
公开(公告)日：2021-11-05
申请号：CN201711406248.8
申请日：2017-12-22
Applicant: 北京工业大学
Abstract: 本发明公开一种基于单一深度图像的3D人体姿态估计方法。首先提出改进型特征提取办法，综合利用部位尺寸信息和距离变换信息，来指导深度梯度特征提取，可极大增强所提特征的表达能力；为解决随机森林部位分类时存在的误分类问题，提出误分类处理机制—多级随机森林整合算法来去除部位误分点，获得更为准确的部位识别结果；通过改进PDA，利用位置权重阈值处理办法，使能够利用识别的部位尺寸信息，自适应的再次去除部位中的干扰点，从而获得更为准确的主方向向量；最后利用人体部件配置关系得到姿态估计结果。本发明改善了部位分类模型的准确率，并能有效去除识别部位中的误分类干扰点，提高识别部位的准确性，最终获得更为准确的3D人体姿态估计结果。
-
公开(公告)号：CN109741340B
公开(公告)日：2020-10-16
申请号：CN201811538248.8
申请日：2018-12-16
Applicant: 北京工业大学
Abstract: 基于FCN‑ASPP网络的冰盖雷达图像冰层精细化分割方法涉及计算机视觉以及模式识别领域。本发明将雷达振幅图像作为网络的训练样本，针对冰层图像数据少的问题做了相应的数据扩增，扩大了该发明的广泛适用性。对冰盖图像进行了Lee滤波。为了尽可能保存边缘信息，对滤波过程增加了阈值判断过程。本发明通过构建FCN‑ASPP的冰层分割深度网络，通过对ASPP层进行改进，加强了该网络对于小尺度特征的提取能力。将初步分类结果通过CRF做进一步处理，在实现端到端的像素级分割的基础上进一步精细化了分割结果。此外，该网络极大的实现了自主学习的过程。
-
公开(公告)号：CN109711280A
公开(公告)日：2019-05-03
申请号：CN201811501290.2
申请日：2018-12-10
Applicant: 北京工业大学
Abstract: 基于ST-Unet网络的视频异常检测方法，涉及计算机视觉以及模式识别领域。本发明针对视频这类具有强时空相关性数据的处理问题提出新的ST-Unet网络，该网络即利用了Unet网络在空间特征上良好的建模能力又结合了ConvLSTM在时间上的建模能力。为提高算法的准确性及其泛华能力，本发明在算法训练过中对输入的视频数据利用Dropout层进行“损坏”预处理。通过“损坏”的训练数据训练得到的网络不仅可以对完好的测试数据有较好的异常检测效果，对测试过程含噪的数据亦可检测出是否异常。本发明将重构算法结果与预测算法结果进行联合判别，实现了高精度的基于ST-Unet网络的视频异常检测算法。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
