一种动静正则混合采样的行人再辨识方法及系统

    公开(公告)号:CN119323805B

    公开(公告)日:2025-02-25

    申请号:CN202411876774.0

    申请日:2024-12-19

    Applicant: 华侨大学

    Abstract: 本发明公开了一种动静正则混合采样的行人再辨识方法及系统,涉及公共安全智能视频监控技术领域。实践中,采样常独立于行人再辨识模型训练,导致训练过程采样的信息丢失不受控制,制约识辨准确性。为此,本发明设计了正则动态线性采样和静态线性采样混和方法,实现行人再辨识模型训练过程中联合优化采样效果,其中,前者通过归一化的可学习参数,以数据驱动的动态方式学得动态的像素组合权重;后者利用双线性变换来确定静态的像素组合权重,实现与数据无关的采样策略。本发明进一步设计了动静正则项,约束动态的像素组合权重与静态的像素组合权重之间的差异,控制可学习参数的自由度,更好地组合动静采样,减少传统单一静态采样过程中信息损失。

    基于机器视觉的石材版面智能仓储管理方法及系统

    公开(公告)号:CN119648117A

    公开(公告)日:2025-03-18

    申请号:CN202510169101.X

    申请日:2025-02-17

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于机器视觉的石材版面智能仓储管理方法及系统,涉及图像处理技术领域,方法包括:通过机器视觉检测石材版面的瑕疵并计算异常得分,进行异常排序与评级,获得每个石材版面的瑕疵评级;将RGB图像归一化为正则RGB,并进行伽玛矫正线性化转换至CIELAB颜色空间,计算石材版面的均色LAB;基于瑕疵评级和均色LAB信息录入RFID标签,并据此分类入库;接收用户对石材版面数量、瑕疵评级和均色的要求,筛选出最相似的石材版面反馈给用户;用户可选择接受或拒绝,若拒绝则重新筛选。本申请通过机器视觉检测石材版面的瑕疵和色差,结合RFID标签实现自动化入库、分类管理和精准出库,提高了仓储效率和管理精度。

    掩模与语义协同优化扩散模型的石材表面瑕疵检测方法

    公开(公告)号:CN119477922B

    公开(公告)日:2025-04-22

    申请号:CN202510067481.6

    申请日:2025-01-16

    Applicant: 华侨大学

    Abstract: 本发明提供掩模与语义协同优化扩散模型的石材表面瑕疵检测方法,属于瑕疵检测领域,包括:获取数据集;将输入图片输入编码器以得到输入表征,对输入表征进行高斯噪声向前扩散得到全噪声表征;将各输入表征与掩模图片点乘后输入掩模引导的知识提炼网络以生成掩模表征;将输入表征输入含多维特征金字塔的语义引导增强网络以得到语义表征;将全噪声表征、掩膜表征和语义表征进行拼接后,进行反向扩散以逐步去除噪声,并解码生成重建图片;将输入图片及其对应的重建图片均输入特征提取网络,进而计算得到异常得分;根据异常得分进行排序并形成异常得分列表,将异常得分列表对应的输入图片的热力图反馈至用户。本发明能够有效提升对瑕疵的检测精度。

    一种动静正则混合采样的行人再辨识方法及系统

    公开(公告)号:CN119323805A

    公开(公告)日:2025-01-17

    申请号:CN202411876774.0

    申请日:2024-12-19

    Applicant: 华侨大学

    Abstract: 本发明公开了一种动静正则混合采样的行人再辨识方法及系统,涉及公共安全智能视频监控技术领域。实践中,采样常独立于行人再辨识模型训练,导致训练过程采样的信息丢失不受控制,制约识辨准确性。为此,本发明设计了正则动态线性采样和静态线性采样混和方法,实现行人再辨识模型训练过程中联合优化采样效果,其中,前者通过归一化的可学习参数,以数据驱动的动态方式学得动态的像素组合权重;后者利用双线性变换来确定静态的像素组合权重,实现与数据无关的采样策略。本发明进一步设计了动静正则项,约束动态的像素组合权重与静态的像素组合权重之间的差异,控制可学习参数的自由度,更好地组合动静采样,减少传统单一静态采样过程中信息损失。

    掩模与语义协同优化扩散模型的石材表面瑕疵检测方法

    公开(公告)号:CN119477922A

    公开(公告)日:2025-02-18

    申请号:CN202510067481.6

    申请日:2025-01-16

    Applicant: 华侨大学

    Abstract: 本发明提供掩模与语义协同优化扩散模型的石材表面瑕疵检测方法,属于瑕疵检测领域,包括:获取数据集;将输入图片输入编码器以得到输入表征,对输入表征进行高斯噪声向前扩散得到全噪声表征;将各输入表征与掩模图片点乘后输入掩模引导的知识提炼网络以生成掩模表征;将输入表征输入含多维特征金字塔的语义引导增强网络以得到语义表征;将全噪声表征、掩膜表征和语义表征进行拼接后,进行反向扩散以逐步去除噪声,并解码生成重建图片;将输入图片及其对应的重建图片均输入特征提取网络,进而计算得到异常得分;根据异常得分进行排序并形成异常得分列表,将异常得分列表对应的输入图片的热力图反馈至用户。本发明能够有效提升对瑕疵的检测精度。

Patent Agency Ranking