-
公开(公告)号：CN117576489B
公开(公告)日：2024-04-09
申请号：CN202410065206.6
申请日：2024-01-17
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/766 , G06V10/25
Abstract: 本发明提供了智能机器人鲁棒实时目标感知方法、装置、设备及介质，包括获取由采集设备采集到的智能机器人使用场景数据集，并对所述智能机器人使用场景数据集进行标注划分处理，生成训练集和测试集；调用训练好的鲁棒实时目标感知模型对所述智能机器人使用场景数据集进行目标跟踪预处理，生成感知信息；根据所述感知信息，生成感知结果。旨在更加鲁棒、实时且稳定的跟踪感知目标，从而为智能机器人的准确执行任务提供了可靠的基础支持。
-
公开(公告)号：CN117115573A
公开(公告)日：2023-11-24
申请号：CN202311388102.0
申请日：2023-10-25
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/26 , G06V10/80 , G06V10/774 , G06V10/52
Abstract: 本发明提供了一种有毒生物图像分类识别方法、装置、设备及存储介质，先通过获取图像样本,调用基于均衡采样策略和逆向采样策略交叉训练过的分类模型基于所述图像样本的分辨率进行分割成多组切块;接着，基于特征提取的阶段调整所述多组切块的数量以及采样频率进行特征提取,以生成不同阶段的多尺度特征图;最后，对所述不同阶段的多尺度特征图进行融合后通过融合特征分类器进行预测,以生成所述图像样本的预测结果，其中，预测结果为所述图像样本是否为有毒生物，通过使用自适应样本平衡采样训练策略，缓解训练集类别样本数量不均衡造成的影响，有效的提高了在对有毒生物识别时的识别率。
-
公开(公告)号：CN104021395A
公开(公告)日：2014-09-03
申请号：CN201410279523.4
申请日：2014-06-20
Applicant: 华侨大学
Abstract: 本发明公开了一种基于高阶偏最小二乘法的目标跟踪算法，包括初始化阶段、训练阶段、测试阶段，和更新阶段。本发明以二维张量来表示图像块，保存了该图像块内在的空间结构信息，同时，本发明综合了多个时序的图像块及其类别来建立高阶张量，并以偏最小二乘法来分析该高阶张量与其类别矩阵的关联之处，使目标跟踪算法的性能大大提高。
-
公开(公告)号：CN117975173A
公开(公告)日：2024-05-03
申请号：CN202410389340.1
申请日：2024-04-02
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明提供一种基于轻量化视觉转换器的儿童邪典图片识别方法和设备，涉及图像识别技术领域。识别方法包含S1、获取待识别的卡通图像。S2、对卡通图像进行预处理。S3、预处理后的卡通图像输入训练好的基于轻量化视觉转换器的实时儿童邪典图片识别模型，获取预测向量。S4、基于预测阈值对预测向量进行比较判断，以判断卡通图像是否属于儿童邪典图片。基于轻量化视觉转换器的实时儿童邪典图片识别模型的网络结构包括依次连接的第一卷积层网络、第一移动网络、第二移动网络、第三移动网络、第四移动网络、第一轻量化转换器网络、第五移动网络、第二轻量化转换器网络、第六移动网络、第三轻量化转换器网络、第二卷积层网络和多层感知机。
-
公开(公告)号：CN117576489A
公开(公告)日：2024-02-20
申请号：CN202410065206.6
申请日：2024-01-17
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/766 , G06V10/25
Abstract: 本发明提供了智能机器人鲁棒实时目标感知方法、装置、设备及介质，包括获取由采集设备采集到的智能机器人使用场景数据集，并对所述智能机器人使用场景数据集进行标注划分处理，生成训练集和测试集；调用训练好的鲁棒实时目标感知模型对所述智能机器人使用场景数据集进行目标跟踪预处理，生成感知信息；根据所述感知信息，生成感知结果。旨在更加鲁棒、实时且稳定的跟踪感知目标，从而为智能机器人的准确执行任务提供了可靠的基础支持。
-
Patent Agency Ranking
公开(公告)号：CN117115573B
公开(公告)日：2024-01-05
申请号：CN202311388102.0
申请日：2023-10-25
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/26 , G06V10/80 , G06V10/774 , G06V10/52
Abstract: 本发明提供了一种有毒生物图像分类识别方法、装置、设备及存储介质，先通过获取图像样本,调用基于均衡采样策略和逆向采样策略交叉训练过的分类模型基于所述图像样本的分辨率进行分割成多组切块;接着，基于特征提取的阶段调整所述多组切块的数量以及采样频率进行特征提取,以生成不同阶段的多尺度特征图;最后，对所述不同阶段的多尺度特征图进行融合后通过融合特征分类器进行预测,以生成所述图像样本的预测结果，其中，预测结果为所述图像样本是否为有毒生物，通过使用自适应样本平衡采样训练策略，缓解训练集类别样本数量不均衡造成的影响，有效的提高了在对有毒生物识别时的识别率。
-
公开(公告)号：CN115457636A
公开(公告)日：2022-12-09
申请号：CN202211151908.3
申请日：2022-09-21
Applicant: 华侨大学
Abstract: 本发明实施例提供一种工地现场的安全帽佩戴检测方法、装置、设备和存储介质，涉及视频识别技术领域。安全帽佩戴检测方法包含步骤S1至步骤S6。S1、获取工人的当日外观信息，并和数据库中已有的外观信息组成施工人员查询数据集。其中，当日外观信息包括的面部信息和服饰信息，S2、获取包含工人的监控视频。S3、将监控视频输入预先训练好的安全帽检测模型，获取多组预测向量。S4、根据多组预测向量，判断监控视频中的工人是否佩戴安全帽。S5、当判断到监控视频中的工人未佩戴安全帽时，将监控视频输入预先训练好的施工人员识别模型，获取未佩戴安全帽的工人的特征向量。S6、根据工人的特征向量和施工人员查询数据集，获取未佩戴安全帽的工人信息。
-
公开(公告)号：CN115439790A
公开(公告)日：2022-12-06
申请号：CN202211151940.1
申请日：2022-09-21
Applicant: 华侨大学
IPC: G06V20/40 , G06V10/764
Abstract: 本发明实施例提供一种基于级联的种子区域生长模块的弱监督时序动作定位方法，涉及视频动作识别技术领域。其中，这种弱监督时序动作定位方法包含步骤S1至步骤S5。S1、获取待识别视频。S2、根据待识别视频，提取时序特征。S3、将时序特征输入预先训练好的弱监督时序动作分类模型，获取待识别类激活序列，并根据待识别类激活序列，获取视频级动作分类得分。S4、获取动作分类阈值，并根据动作分类阈值对视频级分类得分进行判断，获取待识别视频包含的动作类别。S5、根据动作类别和待识别类激活序列，获取动作类别在待识别视频中的起止时刻。解决现有的弱监督时序动作定位方法会陷入局部最优的问题，大大提高了视频中动作识别的精确度。
-
公开(公告)号：CN112486652A
公开(公告)日：2021-03-12
申请号：CN202011380029.9
申请日：2020-11-30
Applicant: 华侨大学
Abstract: 本发明涉及一种非抢占固定优先级混合关键任务能耗优化调度方法，包括以下步骤:建立非抢占固定优先级混合关键任务调度模型；给出系统处于低模式下调度可行的充分条件；给出系统处于高模式下调度可行的充分条件；给出系统处于转换模式调度可行的充分条件；由调度可行的充分条件，计算能耗优化的速度Sop。本发明与现有技术的混合关键系统周期任务调度方法相比，能够节约大约33.08％能耗；能够确保周期任务在其截止期限内完成执行；混合关键系统能耗的降低，可以降低产品的生产成本，延长设备的使用时间，减少电池的更换周期。
-
公开(公告)号：CN104021395B
公开(公告)日：2017-05-03
申请号：CN201410279523.4
申请日：2014-06-20
Applicant: 华侨大学
Abstract: 本发明公开了一种基于高阶偏最小二乘法的目标跟踪算法，包括初始化阶段、训练阶段、测试阶段，和更新阶段。本发明以二维张量来表示图像块，保存了该图像块内在的空间结构信息，同时，本发明综合了多个时序的图像块及其类别来建立高阶张量，并以偏最小二乘法来分析该高阶张量与其类别矩阵的关联之处，使目标跟踪算法的性能大大提高。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
