-
公开(公告)号：CN119107674A
公开(公告)日：2024-12-10
申请号：CN202411326465.6
申请日：2024-09-23
Applicant: 吉林大学
IPC: G06V40/10 , G06V10/82 , G06V10/25 , G06V10/774 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于RGB图像与深度图像的牛只面部识别方法及设备，属于生物图像识别技术领域。包括：数据采集并标注，得到标注后的RGB数据集以及未标注的RGB数据集；使用RetinaFace检测模型对RGB图像和对应的深度图像进行牛脸位置的同步裁剪；构建RGB与深度双模态牛脸识别模型，将得到的裁剪牛脸数据集送入两个卷积特征提取模块，分别提取RGB模态特征与深度模态特征，并通过特征池化模块进行特征融合，通过注意力细化模块细化特征，得到牛只识别结果。本发明能够降低污渍等扰乱因素的影响，提高识别准确度。
-
公开(公告)号：CN115953391A
公开(公告)日：2023-04-11
申请号：CN202310213505.5
申请日：2023-03-08
Applicant: 吉林大学
Abstract: 本发明涉及图像数据处理技术领域，具体提供一种水稻物候指数监测方法，包括：采用物候相机，从水稻栽种开始采集水稻植株图像，每天分多时间段采集记录，采集后存储图像数据；对水稻植株图像批量裁剪处理为统一尺寸的图像，得到每天每个时间段的裁剪后图像；借助crop函数工具，只需提供左上角和右下角坐标即可；利用裁剪后的图像，获取叶面积指数；根据物候相机的记录时间获取时间戳date_ori，利用时间戳date_ori获取叶片数目、叶龄和分蘖期的参数；根据叶面积指数，以及叶片数目、叶龄和分蘖期的参数，动态监测水稻生长发育状况，更利于农业知识不是那么充足的工业化生产过程中工人使用。
-
公开(公告)号：CN116052222A
公开(公告)日：2023-05-02
申请号：CN202310200149.3
申请日：2023-03-06
Applicant: 吉林大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种自然采集牛脸图像的牛脸识别方法，首先对自然状态下无遮挡的牛脸进行多视角拍摄，将牛脸视频进行过滤处理后，对得到的牛脸图像数据集进行牛脸关键点信息标注并进行数据增强，将增强后的训练数据集送入CowDetect网络进行训练，得到牛脸检测与牛脸关键点识别模型，继而将训练数据集输入牛脸检测与牛脸关键点识别模型中，得到带有牛脸关键点信息的牛脸图像数据集并进行牛脸姿态校正，将校正后的训练数据集作为牛脸识别训练数据集并送入CowFace网络进行训练，得到牛脸识别模型，最后通过牛脸识别模型比较特征向量的余弦相似度，对牛脸进行识别。本发明能够对实际农场环境中的牛脸进行精确识别，降低计算成本。
-
公开(公告)号：CN114581948A
公开(公告)日：2022-06-03
申请号：CN202210213146.9
申请日：2022-03-04
Applicant: 吉林大学
Abstract: 本发明涉及动物身份识别技术领域，具体涉及一种畜脸识别方法，包括步骤：S1、采集牲畜脸部的视频信息，从视频信息中提取关键帧；S2、将关键帧存储为图像，对图像进行背景信息干扰噪声去除处理；S3、基于相似度对比的方法，对图像进行去重处理；S4、对图像的尺寸分布进行分析，得到训练数据集和测试数据集；S5、对训练数据集进行特征提取，对图像行指定尺寸的归一化，建立畜脸识别模型；S6、通过畜脸识别模型进行畜脸识别。本发明的方法通过无接触式视觉识别方法对畜脸信息进行管理，不会对牲畜造成伤害，采用高斯模糊算法和基于SSIM结构相似性剔除与前一副相似性高达90％以上的图像，从而提升整体识别的精度。
-
公开(公告)号：CN103279800B
公开(公告)日：2016-12-28
申请号：CN201310008210.0
申请日：2013-01-10
Applicant: 吉林大学
IPC: G06F17/00
Abstract: 本发明是为了在发生灾害时，模拟大规模人群疏散的过程中，计算出最优的疏散策略，并在此基础对整个疏散过程中出现的拥挤现象，各个疏散路径的人群密度态势，关键路径人流情况进行分析统计，实现对人群疏散的最优策略的生成。本发明提供一种基于博弈论的大规模人群疏散路径的优化方法，根据灾害辐射区域范围，相距安全出口距离，逃生路径中包括的安全措施个数，拥挤程度因素进行定量风险分析，定量风险分析采用蒙特卡洛模型，将评估的风险结果作为路径博弈的收益函数的输入参数，通过博弈论决定疏散路径的抉择，形成最优的疏散方案。
-
Patent Agency Ranking
公开(公告)号：CN114926858A
公开(公告)日：2022-08-19
申请号：CN202210504724.4
申请日：2022-05-10
Applicant: 吉林大学
Abstract: 本发明涉及动物面部识别技术领域，具体涉及一种基于特征点信息的深度学习的猪脸识别方法，包括步骤：S1、制备数据集；S2、将猪脸特征点识别数据集与人脸特征点识别数据集进行结构计算，构建猪脸人脸匹配数据集；通过形变神经网络进行训练，生成猪脸形变模型；生成形变后的猪脸图像，对人脸特征点检测模型进行微调，生成猪脸特征点检测模型；S3、对猪脸识别数据集进行特征点识别，并加入注意力机制进行处理；S4、通过使用分类卷积神经网络对输入的猪脸图像进行识别。本发明的方法开创性的制备了猪脸特征点数据集，使用了全新的标注标准，通过形变神经网络、人脸猪脸匹配以及特征点检测网络微调的方法实现了猪脸的特征点检测。
-
公开(公告)号：CN103279800A
公开(公告)日：2013-09-04
申请号：CN201310008210.0
申请日：2013-01-10
Applicant: 吉林大学
Abstract: 本发明是为了在发生灾害时，模拟大规模人群疏散的过程中，计算出最优的疏散策略，并在此基础对整个疏散过程中出现的拥挤现象，各个疏散路径的人群密度态势，关键路径人流情况进行分析统计，实现对人群疏散的最优策略的生成。本发明提供一种基于博弈论的大规模人群疏散路径的优化方法，根据灾害辐射区域范围，相距安全出口距离，逃生路径中包括的安全措施个数，拥挤程度因素进行定量风险分析，定量风险分析采用蒙特卡洛模型，将评估的风险结果作为路径博弈的收益函数的输入参数，通过博弈论决定疏散路径的抉择，形成最优的疏散方案。
-
公开(公告)号：CN118512184A
公开(公告)日：2024-08-20
申请号：CN202310240444.1
申请日：2023-03-14
Applicant: 吉林大学
IPC: A61B5/369 , G06F18/2431 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/094 , G06N3/084 , G06N3/096 , A61B5/372 , A61B5/00
Abstract: 本发明涉及脑电信号分类领域，具体提供了一种基于认知不确定性的运动想象脑电信号分类方法，包括如下步骤：S1：对脑电信号数据进行预处理和数据划分；S2：建立并训练基于不确定性学习的对抗网络，具体包括学生模型、教师模型、不确定性模块和类级记忆模块，学生模型和教师模型均包括特征抽取器、分类器一和分类器二，特征抽取器包括归一化层、平方激活函数层、dropout层、全局平均池化层和两个二维卷积，分类器一和分类器二包括三个线性层；S3：在教师模型中使用步骤S2中得到的教师模型参数，进行模型测试并得到模型预测的类别和该测试数据的置信度。本方案可对数据进行充分有效的利用，可进一步提高模型的实用性和可解释性。
-
公开(公告)号：CN114926858B
公开(公告)日：2024-06-28
申请号：CN202210504724.4
申请日：2022-05-10
Applicant: 吉林大学
IPC: G06V40/10 , G06V10/20 , G06V10/46 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明涉及动物面部识别技术领域，具体涉及一种基于特征点信息的深度学习的猪脸识别方法，包括步骤：S1、制备数据集；S2、将猪脸特征点识别数据集与人脸特征点识别数据集进行结构计算，构建猪脸人脸匹配数据集；通过形变神经网络进行训练，生成猪脸形变模型；生成形变后的猪脸图像，对人脸特征点检测模型进行微调，生成猪脸特征点检测模型；S3、对猪脸识别数据集进行特征点识别，并加入注意力机制进行处理；S4、通过使用分类卷积神经网络对输入的猪脸图像进行识别。本发明的方法开创性的制备了猪脸特征点数据集，使用了全新的标注标准，通过形变神经网络、人脸猪脸匹配以及特征点检测网络微调的方法实现了猪脸的特征点检测。
-
公开(公告)号：CN116758589A
公开(公告)日：2023-09-15
申请号：CN202311035205.9
申请日：2023-08-17
Applicant: 吉林大学
Abstract: 本发明涉及生物图像识别技术领域，尤其涉及一种处理姿态和视角矫正的牛脸识别方法，包括如下步骤：S1：数据采集；录制视频并收集不同角度和不同侧面的牛脸数据；S2：构建牛脸检测‑矫正‑识别模型；牛脸检测‑矫正‑识别模型包括特征检测模块、特征编码与整合模块和特征识别模块；特征检测模块、特征编码与整合模块和特征识别模块中均包括特征强化分支和上下文感知分支，特征强化分支采用深度可分离卷积、Relu激活函数和最大池化操作进行组合，上下文感知分支采用深度可分离卷积、Tanh激活函数和平均池化操作进行组合；S3：对牛脸检测‑矫正‑识别模型进行训练。本发明可处理牛脸图像中的姿态和视角变化，获得更准确和鲁棒的牛脸识别结果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.015 seconds)
