-
公开(公告)号：CN119342216A
公开(公告)日：2025-01-21
申请号：CN202411896962.X
申请日：2024-12-23
Applicant: 厦门瑞为信息技术有限公司 , 集美大学
IPC: H04N19/132 , H04N19/176 , H04N19/13 , H04N19/33 , H04N19/88 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自编码器的高光谱图像压缩与重建方法、装置及设备，其包括：获取Houston图像数据集并进行包括随机裁剪的预处理，生成预设尺寸的图像块作为原始高光谱图像；将所述原始高光谱图像输入包括编码器以及解码器的自编码模型中并基于预设损失函数进行训练，得到训练完成的高光谱压缩模型，其中，所述编码器的网络结构包括缩略图生成分支以及潜在编码分支，所述解码器的网络结构包括缩略图解码分支以及潜在表示解码分支；将待压缩高光谱图像输入所述高光谱压缩模型中，通过所述编码器对待压缩高光谱图像进行编码，得到压缩数据，通过所述解码器对所述压缩数据进行解码，得到重建高光谱图像。
-
公开(公告)号：CN119342216B
公开(公告)日：2025-03-18
申请号：CN202411896962.X
申请日：2024-12-23
Applicant: 厦门瑞为信息技术有限公司 , 集美大学
IPC: H04N19/132 , H04N19/176 , H04N19/13 , H04N19/33 , H04N19/88 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自编码器的高光谱图像压缩与重建方法、装置及设备，其包括：获取Houston图像数据集并进行包括随机裁剪的预处理，生成预设尺寸的图像块作为原始高光谱图像；将所述原始高光谱图像输入包括编码器以及解码器的自编码模型中并基于预设损失函数进行训练，得到训练完成的高光谱压缩模型，其中，所述编码器的网络结构包括缩略图生成分支以及潜在编码分支，所述解码器的网络结构包括缩略图解码分支以及潜在表示解码分支；将待压缩高光谱图像输入所述高光谱压缩模型中，通过所述编码器对待压缩高光谱图像进行编码，得到压缩数据，通过所述解码器对所述压缩数据进行解码，得到重建高光谱图像。
-
公开(公告)号：CN118736375A
公开(公告)日：2024-10-01
申请号：CN202410778483.1
申请日：2024-06-17
Applicant: 集美大学
IPC: G06V10/82 , G06V10/776 , G06N3/0464
Abstract: 本发明涉及受电弓异常检测技术领域，且公开了一种基于深度学习的受电弓异常检测系统。该基于深度学习的受电弓异常检测系统通过数据采集模块采集列车运行信号、列车车号、列车车次以及通过摄像机拍摄的受电弓图像，数据处理模块对受电弓图像数据进行清洗、去噪以及放大操作，深度学习算法模型检测模块通过设置性能评估指标，对算法的性能评估指标进行计算，并对比PPYOLO算法、骨干网络为Darknet‑53的YOLOv3算法以及骨干网络为MobileNet的YOLOv3算法，选取最优算法PPYOLO算法进行受电弓异常检测，并将受电弓检测异常信息传输至数据记录模块进行存储，数据输出模块将受电弓异常信息输出至可视化界面。
-
公开(公告)号：CN118196827A
公开(公告)日：2024-06-14
申请号：CN202410145581.1
申请日：2024-02-01
Applicant: 集美大学 , 深圳市赛维网络科技有限公司
IPC: G06V40/10 , G06V40/20 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及计算机视觉领域，尤其涉及一种基于上下文感知和步态特征的换装行人重识别方法。本方法引入的自适应多尺度特征融合算法提升了在不同服装和环境变化下的人物识别准确率；边缘感知特征强化技术有效地增强了模型对人物轮廓的识别能力，特别是在视觉复杂的背景下；综合步态特征提取框架使得模型能够精准捕捉步态的细微变化，增强了识别的准确性；复合损失函数的创新设计提高了模型的学习效率，并确保了高度的识别稳定性。
-
公开(公告)号：CN117994437A
公开(公告)日：2024-05-07
申请号：CN202410156275.8
申请日：2024-02-01
Applicant: 深圳市赛维网络科技有限公司 , 集美大学
Abstract: 本发明涉及计算机视觉领域，尤其涉及一种基于高斯弹性变换和局部熵加权的三维穿衣人体重建方法。本发明的核心创新在于引入基于高斯分布的弹性变换，以增强关键点检测的鲁棒性；同时，结合局部熵与颜色均匀度的权重分配策略，进一步提升关键点定位的精度。此外，本发明的优化算法有效整合关键点与姿势参数，实现了人体模型形状和姿态的高精度匹配，为三维人体重建技术提供了一种高效且精确的新方法。通过这些技术步骤，本发明最终生成的三维穿衣人体模型，在细节和真实感上都有显著提升，有效解决了现有技术的局限性。
-
Patent Agency Ranking
公开(公告)号：CN115661351A
公开(公告)日：2023-01-31
申请号：CN202211344111.5
申请日：2022-10-31
Applicant: 深圳市赛维网络科技有限公司 , 集美大学
IPC: G06T17/00 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种人体表面重建方法、终端设备及存储介质，该方法中包括：S1：根据输入的人体点云，通过k近邻算法提取点云中每个点对应的周围k个点作为该点的邻点，基于每个点和其邻点提取局部特征；S2：通过几何采样方式从点云中采样g个点，基于采集到的g个点提取全局特征；S3：基于点云中的原始点提取点特征；S4：聚合局部特征、全局特征和点特征得到逐点贡献；S5：聚合神经网络中的逐点贡献以执行曲面积分；S6：应用Marching Cubes算法生成曲面，实现人体表面重建。本发明通过聚合不同类型的特征得到的更加准确的人体表面曲线。
-
公开(公告)号：CN112205698A
公开(公告)日：2021-01-12
申请号：CN202010954493.8
申请日：2020-09-11
Applicant: 集美大学 , 深圳市赛维网络科技有限公司
Abstract: 本发明实施例公开了一种人体三维信息获取方法及装置，包括：根据待测人体身着紧身衣后在一圈维度上拍摄得到的图像帧，获取每两个相邻的第一预设标志点之间的像素距离；根据第一预设标志点的像素大小、第一预设标志点的实际大小及每两个相邻的第一预设标志点之间的像素距离，获取所述待测人体的人体三维信息。由于只需待测人体穿上紧身衣，通过拍摄的方式即可自动获取人体三维信息，从而测量效率高且成本低。
-
公开(公告)号：CN111414953A
公开(公告)日：2020-07-14
申请号：CN202010186727.9
申请日：2020-03-17
Applicant: 集美大学
IPC: G06K9/62
Abstract: 本申请实施例公开了点云分类方法和装置。该方法的一具体实施方式包括：获取初始点云数据；基于预设的第一下采样率，从初始点云数据中随机提取第一点云数据；基于预设的第二下采样率，从第一点云数据中随机提取第二点云数据；将第一点云数据和第二点云数据分别输入预先训练的空间聚合网络，得到第一特征数据和第二特征数据；从第一特征数据中提取与第二点云数据对应的特征数据，并将提取的特征数据和第二特征数据聚合为第三特征数据；将第三特征数据输入预先训练的点云分类网络，得到第二点云数据中的每个点对应的类别信息。该实施方式实现了对点云数据进行不同密度的均匀采样，提高了提取特征的丰富性，提高了对点云进行小目标分割的性能。
-
公开(公告)号：CN105631939B
公开(公告)日：2018-10-23
申请号：CN201511002947.7
申请日：2015-12-28
Applicant: 集美大学
IPC: G06T19/20
Abstract: 本发明公开了一种基于曲率滤波的三维点云畸变校正方法及其系统，方法包括：获取三维点云模型；获取所述三维点云模型中的各个点ni的K邻域；在所述点ni的K邻域中选取平面，获取平面集Ai；分别计算点ni到所述平面集Ai中的平面的投影距离，确定最短距离di；将点ni垂直投影到所述最短距离di对应的平面，获取点ni在所述最短距离di对应的平面上的投影点mi；输出所述投影点mi。本发明可减小计算复杂度，可以有效地去除点云中的噪声点与离群点，很好地平滑点云模型，同时很好地保持了物体的细节和几何特征未出现畸变，提高平滑点云数据的效果与效率，具有高效性和通用性等特点。
-
公开(公告)号：CN111310770B
公开(公告)日：2024-05-14
申请号：CN202010108447.6
申请日：2020-02-21
Applicant: 集美大学
Abstract: 本申请实施例公开了目标检测方法和装置。该方法的一具体实施方式包括：获取待识别图像；确定待识别图像的角点特征图和角点热力图；基于角点热力图包括的特征值，从角点特征图的每个通道提取第一预设数量个代表点；确定第一预设数量个代表点中的每个代表点对应的关联关系特征；基于所得到的关联关系特征，重新确定待识别图像的角点特征图和角点热力图；基于重新确定的热力图，生成表征待识别图像中的目标物体的位置的检测框。该实施方式实现了利用角点之间的关联关系特征，体现目标物体之间的位置关系，更加准确地定位目标物体的角点，同时减小误检和漏检的概率，使输出的检测框更加精确。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.033 seconds)
