基于自注意增强CNN的视频序列表情识别系统及方法

    公开(公告)号:CN111523462B

    公开(公告)日:2024-02-09

    申请号:CN202010324540.0

    申请日:2020-04-22

    Abstract: 本发明公开了一种基于自注意增强CNN的视频序列表情识别系统及方法,系统包括特征增强CNN模块、自注意力机制模块和全连接层;视频序列输入特征增强CNN模块,特征增强CNN模块输出的特征向量输入自注意力机制模块,自注意力机制模块输出的特征向量输入全连接层,全连接层将特征向量映射到样本标记空间中实现分类;特征增强CNN模块在骨干网络中增加若干卷积层,在骨干网络的中间层引出特征增强支路,并将特征增强支路的输出与骨干网络的输出融合,将网络中的全连接层替换为全局平局池化层。本发明提出的系统的复杂度更低,可有效提高视频序列表情识别的准确率,在人机交互、智慧教育、病人监护等领域具有广大应用前景。

    一种基于UWB通信分配的方法

    公开(公告)号:CN111683408B

    公开(公告)日:2023-05-23

    申请号:CN202010502842.2

    申请日:2020-06-04

    Abstract: 本发明提供了一种基于UWB通信分配的方法,在一个基站间能相互通信的区域中,有M个基站,N个标签,M>4;基站和标签开启后都立刻进行准同步;主基站发送SYN报文的时刻作为主基站循环周期起始时刻,标签和从基站收到SYN报文的时刻作为该设备的循环周期起始时刻;从起始时刻开始,设置一个时隙段,然后通过散列方法将每个标签和基站安排在不同的时隙中。能够使在一个定位子区里使用大量标签时,标签与标签之间,标签与基站之间的通信冲突率大大减少,有效的提高了定位的精度,实现对定位系统的优化,提高定位周期内的标签的容量。

    一种基于对象间依赖关系的目标置信度矫正方法

    公开(公告)号:CN112395974A

    公开(公告)日:2021-02-23

    申请号:CN202011283560.4

    申请日:2020-11-16

    Abstract: 本发明公开了一种基于对象间依赖关系的目标置信度矫正方法,包括步骤:将标注好的图像输入到预训练后的卷积神经网络,获取车辆目标的置信度;建立多对象间语义关系模型,计算不同对象之间的语义相关性,通过对象的语义相关性调节目标置信度关系权重;将多对象间语义关系模型输出的结果融合到置信度矫正模型中,获取相应的后验概率,通过后验概率修正S1中获取的若干置信度,输出最终目标置信度以及预测对象图像。本发明通过对车辆检测目标的置信度进行矫正,根据同一图像总出现的其他关联对星的相关性,减少图像不清晰时车辆检测目标误判的情况,在图像清晰度较低时大大提高车辆目标检测的精度。

    一种基于UWB通信分配的方法

    公开(公告)号:CN111683408A

    公开(公告)日:2020-09-18

    申请号:CN202010502842.2

    申请日:2020-06-04

    Abstract: 本发明提供了一种基于UWB通信分配的方法,在一个基站间能相互通信的区域中,有M个基站,N个标签,M>4;基站和标签开启后都立刻进行准同步;主基站发送SYN报文的时刻作为主基站循环周期起始时刻,标签和从基站收到SYN报文的时刻作为该设备的循环周期起始时刻;从起始时刻开始,设置一个时隙段,然后通过散列方法将每个标签和基站安排在不同的时隙中。能够使在一个定位子区里使用大量标签时,标签与标签之间,标签与基站之间的通信冲突率大大减少,有效的提高了定位的精度,实现对定位系统的优化,提高定位周期内的标签的容量。

    基于自注意增强CNN的视频序列表情识别系统及方法

    公开(公告)号:CN111523462A

    公开(公告)日:2020-08-11

    申请号:CN202010324540.0

    申请日:2020-04-22

    Abstract: 本发明公开了一种基于自注意增强CNN的视频序列表情识别系统及方法,系统包括特征增强CNN模块、自注意力机制模块和全连接层;视频序列输入特征增强CNN模块,特征增强CNN模块输出的特征向量输入自注意力机制模块,自注意力机制模块输出的特征向量输入全连接层,全连接层将特征向量映射到样本标记空间中实现分类;特征增强CNN模块在骨干网络中增加若干卷积层,在骨干网络的中间层引出特征增强支路,并将特征增强支路的输出与骨干网络的输出融合,将网络中的全连接层替换为全局平局池化层。本发明提出的系统的复杂度更低,可有效提高视频序列表情识别的准确率,在人机交互、智慧教育、病人监护等领域具有广大应用前景。

    面向目标检测的图像无参考清晰度质量检测方法

    公开(公告)号:CN111429437A

    公开(公告)日:2020-07-17

    申请号:CN202010234324.7

    申请日:2020-03-30

    Abstract: 本发明公开了一种面向目标检测的图像无参考清晰度质量检测方法,包括如下步骤:在采集的图像数据集中,任选一幅图像进行灰度化处理;均值滤波;用scharr算子求得图像在水平方向和垂直方向上的梯度图;在水平方向和垂直方向上进行梯度叠加,并求得各自若干峰值点;由峰值点分别做垂直垂线和水平垂线,以若干交点为中心得到若干典型区域,计算得到该图像典型区域的梯度均值和标准差;统计得到整体图像数据集典型区域的梯度均值和标准差并设置阈值,根据数据集中某幅图像典型区域的梯度均值是否小于该阈值,来判断该图像的清晰度。本发明能检测出图片集中模糊的图像,对于深度学习制作数据集,训练出鲁棒性强、准确度高的网络具有重要意义。

    一种基于Mask RCNN的均压环歪斜检测方法

    公开(公告)号:CN112396582B

    公开(公告)日:2024-04-26

    申请号:CN202011281653.3

    申请日:2020-11-16

    Abstract: 本发明公开了一种基于Mask RCNN的均压环歪斜检测方法,包括如下步骤:建立并训练改进的Mask RCNN检测网络;将原始图像输入训练好的网络中,输出均压环与绝缘子串的掩膜,并对原始图像进行裁剪得到局部图像;采用霍夫变换方法对局部图像进行矫正;在矫正后的图像中找出均压环两侧点;计算均压环两侧的点的斜率与水平面斜率之间的关系,通过两个斜率之间的差值判断均压环的状态。本发明通过改进Mask RCNN网络,提高了检测识别的速度,同时对检测出的绝缘子串与均压环设计一种歪斜判断算法,分析均压环的状态,为其他电力部件的巡检提供借鉴。

    面向目标检测的图像无参考清晰度质量检测方法

    公开(公告)号:CN111429437B

    公开(公告)日:2023-04-25

    申请号:CN202010234324.7

    申请日:2020-03-30

    Abstract: 本发明公开了一种面向目标检测的图像无参考清晰度质量检测方法,包括如下步骤:在采集的图像数据集中,任选一幅图像进行灰度化处理;均值滤波;用scharr算子求得图像在水平方向和垂直方向上的梯度图;在水平方向和垂直方向上进行梯度叠加,并求得各自若干峰值点;由峰值点分别做垂直垂线和水平垂线,以若干交点为中心得到若干典型区域,计算得到该图像典型区域的梯度均值和标准差;统计得到整体图像数据集典型区域的梯度均值和标准差并设置阈值,根据数据集中某幅图像典型区域的梯度均值是否小于该阈值,来判断该图像的清晰度。本发明能检测出图片集中模糊的图像,对于深度学习制作数据集,训练出鲁棒性强、准确度高的网络具有重要意义。

    一种基于对象间依赖关系的目标置信度矫正方法

    公开(公告)号:CN112395974B

    公开(公告)日:2021-09-07

    申请号:CN202011283560.4

    申请日:2020-11-16

    Abstract: 本发明公开了一种基于对象间依赖关系的目标置信度矫正方法,包括步骤:将标注好的图像输入到预训练后的卷积神经网络,获取车辆目标的置信度;建立多对象间语义关系模型,计算不同对象之间的语义相关性,通过对象的语义相关性调节目标置信度关系权重;将多对象间语义关系模型输出的结果融合到置信度矫正模型中,获取相应的后验概率,通过后验概率修正S1中获取的若干置信度,输出最终目标置信度以及预测对象图像。本发明通过对车辆检测目标的置信度进行矫正,根据同一图像总出现的其他关联对星的相关性,减少图像不清晰时车辆检测目标误判的情况,在图像清晰度较低时大大提高车辆目标检测的精度。

    一种面向目标检测的图像无参考亮度质量检测方法

    公开(公告)号:CN111353994B

    公开(公告)日:2023-06-30

    申请号:CN202010240157.7

    申请日:2020-03-30

    Abstract: 本发明公开了一种面向目标检测的图像无参考亮度质量检测方法,包括如下步骤:图像信息获取,并从图像中获取灰度图信息;图像典型区域划分,用Scharr算子求得待检测图像的梯度图后滤波,投影得到在水平方向和垂直方向上的梯度序列,并各自计算若干峰值点,由水平方向和垂直方向上的峰值点交叉得到若干交点和图像典型区域;检测判断,在获得的图像典型区域进行图像亮度和梯度的检测,并对大量相似的图像进行同样的典型区域划分和典型区域图像亮度和梯度的检测,通过阈值设定对图片质量进行判断。与现有技术相比,本发明具有较高的过曝欠曝识别准确度,能对目标检测的图像质量有较高的评判精确度。

Patent Agency Ranking