-
公开(公告)号:CN113379715A
公开(公告)日:2021-09-10
申请号:CN202110703619.9
申请日:2021-06-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种水下图像增强和数据集真值图像获得方法,涉及图像质量增强领域,将自然图像质量评估方法(Natural Image Quality Evaluator,NIQE)作为FUnIE‑GAN的损失函数的一部分,进行图像增强工作;以NIQE值为指标,对于不同的数据集,采用遍历或者最优化的方法,寻找到数据集中最优的NIQE的权重,同时用该模型还原数据集中的图像,作为真值图片,用于后期的训练;采用最优损失权重系数下训练得到的网络模型进行实际场景的水下图像增强,输出增强后的水下图像。本发明方法具有更佳的NIQE指标,在颜色的直方图分布上更加均匀,更符合人眼感受,超出现有数据集所设置真值图像的效果。
-
公开(公告)号:CN113378656A
公开(公告)日:2021-09-10
申请号:CN202110564099.8
申请日:2021-05-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于自适应图卷积神经网络的动作识别方法和装置,方法包括:S1,生成人体骨骼数据集;S2,将相邻骨骼边之间的角度作为深层次的空间特征;S3,计算得到每个关键节点的平均能量变化值,将其作为深层次的时间特征;S4,构建双流图卷积神经网络;S5,对双流图卷积神经网络进行扩展,并联2个新增子网络,搭建动作识别模型,新增子网络分别用于对空间特征和时间特征进行处理的子网络;该动作识别模型用于同时对关节数据、骨骼数据、深层次的空间特征和深层次的时间特征进行处理,计算得到对应的动作类型。本发明能够有效提高图卷积网络在动作识别领域的识别精度。
-
公开(公告)号:CN113378656B
公开(公告)日:2023-07-25
申请号:CN202110564099.8
申请日:2021-05-24
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自适应图卷积神经网络的动作识别方法和装置,方法包括:S1,生成人体骨骼数据集;S2,将相邻骨骼边之间的角度作为深层次的空间特征;S3,计算得到每个关键节点的平均能量变化值,将其作为深层次的时间特征;S4,构建双流图卷积神经网络;S5,对双流图卷积神经网络进行扩展,并联2个新增子网络,搭建动作识别模型,新增子网络分别用于对空间特征和时间特征进行处理的子网络;该动作识别模型用于同时对关节数据、骨骼数据、深层次的空间特征和深层次的时间特征进行处理,计算得到对应的动作类型。本发明能够有效提高图卷积网络在动作识别领域的识别精度。
-
公开(公告)号:CN113688765B
公开(公告)日:2023-06-27
申请号:CN202111011985.4
申请日:2021-08-31
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制的自适应图卷积网络的动作识别方法,涉及动作识别技术领域。该动作识别方法将注意力机制加入自适应图卷积网络中,引入时间注意力模块来克服卷积算子的局部性,使每个单个关节被认为是独立的,并且通过比较同一身体关节沿着时间维度的嵌入变化来计算帧之间的相关性,来提高对时间信息提取;另外引入通道注意力模块,使网络更加关注重要的通道特征,进一步提高了网络的性能,使分类预测结果更加准确。
-
公开(公告)号:CN113688765A
公开(公告)日:2021-11-23
申请号:CN202111011985.4
申请日:2021-08-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于注意力机制的自适应图卷积网络的动作识别方法,涉及动作识别技术领域。该动作识别方法将注意力机制加入自适应图卷积网络中,引入时间注意力模块来克服卷积算子的局部性,使每个单个关节被认为是独立的,并且通过比较同一身体关节沿着时间维度的嵌入变化来计算帧之间的相关性,来提高对时间信息提取;另外引入通道注意力模块,使网络更加关注重要的通道特征,进一步提高了网络的性能,使分类预测结果更加准确。
-
-
-
-