-
公开(公告)号：CN119672808A
公开(公告)日：2025-03-21
申请号：CN202411763240.7
申请日：2024-12-03
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/26 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于视觉大模型的步态识别方法。通过设计的基于Transformer的步态识别框架PSGaitFormer，有效地融合和聚合了骨骼和人体解析数列的时空信息。PSGaitFormer包括展平滑动模块、Transformer Encoder、位置融合模块、MLP‑Mix模块以及骨骼模块。本发明首次将大模型常用结构引入步态识别领域，结合图像大模型常见网络，提出大模型和步态解析数据的结合以及与人体骨架数据融合进行步态识别。本发明提供了端到端的步态识别方法，可以从摄像头采集的数据中直接得到步态识别结果，不需要人工标注数据，实现自动化识别步态，减少了人力消耗。
-
公开(公告)号：CN111931619B
公开(公告)日：2024-04-05
申请号：CN202010757753.2
申请日：2020-07-31
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于优化聚类算法的跨域步态重识别方法，首先使用有标签的源域训练集初始化GaitSet网络参数；然后利用训练好的GaitSet网络输出的特征，通过优化后的聚类算法，给无标签的目标域训练集聚类赋伪标签，获得带有伪标签的目标域训练集；最后通过带有伪标签yt的目标域训练集更新GaitSet网络参数，最终通过更新后的GaitSet网络进行跨域步态重识别。本发明方法解决了传统聚类算法，聚类结果不可靠和噪声大的问题，提高了聚类结果的可靠性，提升跨域场景下的识别精度。
-
公开(公告)号：CN111612146A
公开(公告)日：2020-09-01
申请号：CN202010475387.1
申请日：2020-05-29
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于无监督学习的模型预训练方法。本发明首先采用均匀分布的方式对神经网络模型的参数进行初始化，并设置循环轮数；利用数据本身具有高度相似性的特点，寻找锚数据；然后利用最近邻算法为每个锚数据寻找邻数据；再拉近锚数据和其对应的邻数据在特征空间之间的距离；采用循序渐进的方式，进行循环操作，获得最终的神经网络模型参数；最后将获得的最终的神经网络模型参数作为后续针对目标数据集进行监督学习的初始化参数；本发明解决了Kmeans和DBSCAN中难以设置的K值和密度值的问题，为后续在目标数据集上进行监督学习节省了训练时间、提升了模型准确率。
-
公开(公告)号：CN113008226A
公开(公告)日：2021-06-22
申请号：CN202110180618.0
申请日：2021-02-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于门控循环神经网络和粒子滤波的地磁室内定位方法。本发明通过搭建好的地磁室内数据库训练门控循环神经网络来进行对地磁轨迹信号的匹配定位。利用训练好的门控循环神经网络来进行匹配定位能为地磁轨迹信号的匹配定位带来更好的定位精度，另外相比较于常用的基于动态时间规划的地磁轨迹信号匹配算法，训练好的模型在匹配定位过程中减少了实时计算量。本发明设计了一个在神经网络模型对地磁轨迹信号进行匹配定位的基础上，结合粒子滤波算法来进行实时定位的系统。该系统有效利用了门控循环神经网络提取地磁轨迹信号特征的优势，为粒子滤波算法带来更好的实时定位精度。
-
公开(公告)号：CN111121759B
公开(公告)日：2021-07-27
申请号：CN201911400734.8
申请日：2019-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于多层长短期记忆网络的地磁室内定位方法。本发明对于如何使地磁序列信息和循环神经网络的结合来提高定位精度的问题，分为地磁室内数据库搭建和模型学习定位两个阶段。地磁室内数据库的搭建分为两个方面，一是室内地磁轨迹信号的收集，二是地磁室内数据库的搭建，并且在搭建过程中，会采用KNN和DTW融合的算法来求解合适的地磁室内数据库搭建的形式。模型学习定位阶段利用从短期记忆网络对地磁室内数据库进行学习，学习好适合参数的长短期记忆模型便可以用于定位。本发明的信号源只利用到地磁信号，不需要搭建基础设施，利用手机上的地磁传感器就可采集，采用长短期记忆网络模型，极大的提高了地磁室内的定位精度。
-
Patent Agency Ranking
公开(公告)号：CN113139429A
公开(公告)日：2021-07-20
申请号：CN202110295901.8
申请日：2021-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于时间和空间信息融合技术的步态重识别方法。首先构建双路步态识别网络，包括GaitSet网络和ResNet50网络；然后将步态序列图输入GaitSet网络，得到步态时间特征；然后将步态序列图进行能量压缩，得到步态能量图，将步态能量图输入ResNet50网络，得到步态空间特征；融合步态时间特征和步态空间特征，得到步态时空特征，传入步态损失函数；反向传播同时更新GaitSet网络和ResNet50网络参数。本发明从步态序列图中学习到有效的时间特征，融合步态时间特征和步态空间特征，得到步态时空特征；本发明进一步的推动了基于深度学习的步态识别研究进展。
-
公开(公告)号：CN111121759A
公开(公告)日：2020-05-08
申请号：CN201911400734.8
申请日：2019-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于多层长短期记忆网络的地磁室内定位方法。本发明对于如何使地磁序列信息和循环神经网络的结合来提高定位精度的问题，分为地磁室内数据库搭建和模型学习定位两个阶段。地磁室内数据库的搭建分为两个方面，一是室内地磁轨迹信号的收集，二是地磁室内数据库的搭建，并且在搭建过程中，会采用KNN和DTW融合的算法来求解合适的地磁室内数据库搭建的形式。模型学习定位阶段利用从短期记忆网络对地磁室内数据库进行学习，学习好适合参数的长短期记忆模型便可以用于定位。本发明的信号源只利用到地磁信号，不需要搭建基础设施，利用手机上的地磁传感器就可采集，采用长短期记忆网络模型，极大的提高了地磁室内的定位精度。
-
公开(公告)号：CN110930341A
公开(公告)日：2020-03-27
申请号：CN201910988092.1
申请日：2019-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图像融合的低光照图像增强方法。本发明的方法首先将图像从RGB空间转换到HSV空间，然后从V通道中估计初始光照图Ⅰ；对于初始光照图Ⅰ进行过滤，得到进一步准确的光照图Ⅱ；对光照图Ⅱ进行伽玛校正，得到多张中间图；确定中间图的权重，进行图像融合得到最后的光照图Ⅲ；求出反射图，从HSV空间转回RGB空间得到最后的增强图。本发明提出了一种基于融合的低光照图像增强算法，针对低光照的情况，可以有效的增强图像，得到一张对比度强，色彩自然，视觉效果好的图像。该算法可以在手机上应用，只需要一键操作，有效的提高低光照图像的质量，令用户的拍照体验感提升。
-
公开(公告)号：CN119785413A
公开(公告)日：2025-04-08
申请号：CN202411264571.6
申请日：2024-09-10
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/44 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于多模态数据输入的步态识别方法。本发明步骤：1：将人体解析序列数据集以及人体骨架序列数据集转化为pkl文件；2：构造特征融合模块，该模块将人体解析模块的特征和人体骨架模块的特征进行深度融合；3：构造时空特征提取模块，时空特征提取模块的第一个分支，先使用内核大小为3的一维卷积沿时间维度提取特征，后进入ReLu激活函数，再经过卷积核后进入ReLu激活函数，通过时间维池化经过卷积核得到时间维特征向量；第二个分支再使用一维卷积沿空间维度提取特征，后续部分和时间维度分支保持一致。本发明融合了人体关键点和细粒度解析序列，同时兼顾信息的丰富性和定位的准确性，从而提升步态识别的性能。
-
公开(公告)号：CN113008226B
公开(公告)日：2022-04-01
申请号：CN202110180618.0
申请日：2021-02-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于门控循环神经网络和粒子滤波的地磁室内定位方法。本发明通过搭建好的地磁室内数据库训练门控循环神经网络来进行对地磁轨迹信号的匹配定位。利用训练好的门控循环神经网络来进行匹配定位能为地磁轨迹信号的匹配定位带来更好的定位精度，另外相比较于常用的基于动态时间规划的地磁轨迹信号匹配算法，训练好的模型在匹配定位过程中减少了实时计算量。本发明设计了一个在神经网络模型对地磁轨迹信号进行匹配定位的基础上，结合粒子滤波算法来进行实时定位的系统。该系统有效利用了门控循环神经网络提取地磁轨迹信号特征的优势，为粒子滤波算法带来更好的实时定位精度。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.054 seconds)
