-
公开(公告)号：CN106909889A
公开(公告)日：2017-06-30
申请号：CN201710053507.7
申请日：2017-01-19
Applicant: 南京邮电大学盐城大数据研究院有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种视频无监督学习中的帧顺序判断方法，首先在一个视频中，采集N组有序帧和1组无序帧；然后对这N+1组帧序列通过帧间差异进行编码，得到N+1张图像；最后将N+1张图片作为输入，输入到改进的卷积神经网络，即N&1网络，输出结果即为无序帧的预测位置。本发明改进现有的视频无监督学习，通过学习判断帧是否有序，能够更加精准地提取视频特征。
-
公开(公告)号：CN106909887A
公开(公告)日：2017-06-30
申请号：CN201710043465.9
申请日：2017-01-19
Applicant: 南京邮电大学盐城大数据研究院有限公司
CPC classification number: G06K9/00335 , G06K9/3233 , G06K9/4633 , G06K9/6269
Abstract: 本发明公开了一种基于CNN和SVM的动作识别方法，该方法采用卷积神经网络对视频中的人体进行识别，然后通过支持向量机对识别出的人体区域进行动作识别。在进行支持向量机分类前，对卷积神经网络输出的人体区域采用有效帧提取方法剔除含信息量少的帧图片，再将有效帧片段输入金字塔特征优化模型，对一个连续动作进行综合性的特征描述，不仅减少了运算数据量，提升了方法实时性，同时改善了识别的精度。
-
公开(公告)号：CN106909889B
公开(公告)日：2020-03-17
申请号：CN201710053507.7
申请日：2017-01-19
Applicant: 南京邮电大学盐城大数据研究院有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种视频无监督学习中的帧顺序判断方法，首先在一个视频中，采集N组有序帧和1组无序帧；然后对这N+1组帧序列通过帧间差异进行编码，得到N+1张图像；最后将N+1张图片作为输入，输入到改进的卷积神经网络，即N&1网络，输出结果即为无序帧的预测位置。本发明改进现有的视频无监督学习，通过学习判断帧是否有序，能够更加精准地提取视频特征。
-
公开(公告)号：CN106919902A
公开(公告)日：2017-07-04
申请号：CN201710043464.4
申请日：2017-01-19
Applicant: 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种基于CNN的车辆识别和轨迹追踪方法，首先是通过对视频帧进行轮廓识别，筛选出车辆候选目标区域，将这些候选区域输入到预先训练好的卷积神经网络中进行车辆和非车辆目标的分类识别，在获取车辆坐标后，绘制车辆的轨迹信息，并按车道提取车辆的轨迹信息。本发明克服了现有技术存在的缺陷，提高了车辆目标识别的准确性和实时性。
-
公开(公告)号：CN110490053B
公开(公告)日：2023-03-14
申请号：CN201910608988.2
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于三目摄像头估计人脸深度信息的人脸属性识别方法，利用三目摄像头获取原始RGB图像并估计深度感知图像，对原始RGB图像和深度图像数据做预处理和数据增强，并做属性标签且分成训练集、验证集和测试集三部分；通过设计多尺度投影卷积神经网络以及属性关系计算长短期记忆网络进行人脸属性特征提取模型训练；选取在验证集上准确率最高的模型作为最佳候选模型，长短期记忆网络的输出即为对应的人脸属性；本发明结合三目摄像头计算的深度图像恰好弥补了深度信息的缺失，提升对复杂人脸属性预测准确率。长短期记忆单元计算各种不同属性之间的关系，达到相互补充、强化的目的，从而进一步提升所有属性预测准确率。
-
Patent Agency Ranking
公开(公告)号：CN110472495B
公开(公告)日：2023-03-14
申请号：CN201910608900.7
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/043 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。
-
公开(公告)号：CN110472495A
公开(公告)日：2019-11-19
申请号：CN201910608900.7
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种基于图形推理全局特征的深度学习人脸识别方法，其步骤包括：（1）收集人脸数据并做好分类标签并分成训练集和验证集；（2）设计图形推理提取人脸全局特征的网络；（3）将图形推理全局特征提取网络集成于残差网络；（4）将（1）获得的训练数据进行训练，得到训练模型；（5）根据测试结果调整训练参数重新训练，如此反复直至获得最佳的训练模型；（6）对测试人脸图像提取特征得到特征向量；（7）用余弦激励度量（6）中得到的最终特征向量，并判断是否是目标人脸，再输出结果。本发明克服了单一的卷积层无法映射人脸图像全局特征之间的联系，针对人脸图像特点设计的网络能够提取更具有判别力的特征以提升人脸识别准确率。
-
公开(公告)号：CN106919902B
公开(公告)日：2021-01-01
申请号：CN201710043464.4
申请日：2017-01-19
Applicant: 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种基于CNN的车辆识别和轨迹追踪方法，首先是通过对视频帧进行轮廓识别，筛选出车辆候选目标区域，将这些候选区域输入到预先训练好的卷积神经网络中进行车辆和非车辆目标的分类识别，在获取车辆坐标后，绘制车辆的轨迹信息，并按车道提取车辆的轨迹信息。本发明克服了现有技术存在的缺陷，提高了车辆目标识别的准确性和实时性。
-
公开(公告)号：CN110490053A
公开(公告)日：2019-11-22
申请号：CN201910608988.2
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种基于三目摄像头估计人脸深度信息的人脸属性识别方法，利用三目摄像头获取原始RGB图像并估计深度感知图像，对原始RGB图像和深度图像数据做预处理和数据增强，并做属性标签且分成训练集、验证集和测试集三部分；通过设计多尺度投影卷积神经网络以及属性关系计算长短期记忆网络进行人脸属性特征提取模型训练；选取在验证集上准确率最高的模型作为最佳候选模型，长短期记忆网络的输出即为对应的人脸属性；本发明结合三目摄像头计算的深度图像恰好弥补了深度信息的缺失，提升对复杂人脸属性预测准确率。长短期记忆单元计算各种不同属性之间的关系，达到相互补充、强化的目的，从而进一步提升所有属性预测准确率。
-
公开(公告)号：CN110473266A
公开(公告)日：2019-11-19
申请号：CN201910609020.1
申请日：2019-07-08
Applicant: 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种基于姿态指导的保留源场景人物动作视频生成方法，首先利用视频帧中人物前景图代替源人物图像进行位姿估计，再利用基于对抗生成网络的运动转换网络合成高分辨率的人物运动视频，最后使用泊松融合方法将提取的与源对象有相同姿势的目标对象与源背景进行融合。本发明输入源人物和目标人物视频数据集最终生成一段视频，生成视频不仅保留源背景，还拥有目标人物的外观和源人物的动作，可以减少画面遮挡，背景的影响。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.026 seconds)
