-
公开(公告)号：CN113673411A
公开(公告)日：2021-11-19
申请号：CN202110941050.X
申请日：2021-08-17
Applicant: 江南大学
Abstract: 本发明公开了一种基于注意力机制的轻量级移位图卷积行为识别方法，包括，对数据集进行预处理，生成关节点信息流数据集、骨长信息流数据集、基于运动信息的关节点信息流数据集和基于运动信息的骨长信息流数据集；构建ALS‑GCN网络，并通ALS‑GCN网络获得信息流的时空间特征；融合信息流的时空间特征，获得行为识别结果；本发明通过构建基于注意力机制的空间移位模块的方式，解决了感受野过小的问题；同时通过构建时间移位模块的方式，解决了非线性堆叠的方式造成的参数量过高的问题，能够在较少计算量的情况下，达到较高的识别精度。
-
公开(公告)号：CN112836637A
公开(公告)日：2021-05-25
申请号：CN202110146335.4
申请日：2021-02-03
Applicant: 江南大学
Abstract: 本发明公开了一种基于空间逆向注意网络的行人重识别方法，包括：采集所拍摄的图片并划分为训练集及测试集；基于Resnet‑50构建空间逆向注意网络模型，根据所述训练集对卷积神经网络进行训练，并加入CBAM‑Pro；根据所加入的CBAM‑Pro将所述网络划分为两条支路，并同时执行正向学习及逆向注意，提取正向、逆向的全局特征以及局部特征；基于所提取的特征根据通道维度连接起来得到包含多类型特征的行人鉴别特征，利用所述测试集对所述行人鉴别特征进行重识别验证，完成行人重识别。本发明基于空间逆向注意网络提取多类型的行人鉴别特征，提高了重识别的有效性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN113673411B
公开(公告)日：2022-10-18
申请号：CN202110941050.X
申请日：2021-08-17
Applicant: 江南大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的轻量级移位图卷积行为识别方法，包括，对数据集进行预处理，生成关节点信息流数据集、骨长信息流数据集、基于运动信息的关节点信息流数据集和基于运动信息的骨长信息流数据集；构建ALS‑GCN网络，并通ALS‑GCN网络获得信息流的时空间特征；融合信息流的时空间特征，获得行为识别结果；本发明通过构建基于注意力机制的空间移位模块的方式，解决了感受野过小的问题；同时通过构建时间移位模块的方式，解决了非线性堆叠的方式造成的参数量过高的问题，能够在较少计算量的情况下，达到较高的识别精度。
-
公开(公告)号：CN113555064A
公开(公告)日：2021-10-26
申请号：CN202110815562.1
申请日：2021-07-19
Applicant: 江南大学
Abstract: 本发明公开了一种基于多角度编码和特征选择的DNA结合蛋白识别方法，包括，在训练阶段，iDBP‑DEP利用四种表示方法对蛋白质序列进行编码，得到3240维的特征向量作为初始特征；根据特征选择算法选择最优的特征子集；所述iDBP‑DEP将所述子集输入SVM分类器进行训练，得到预测模型；测试集中的每个蛋白质通过相同的步骤进行编码，得到对应的最佳特征子集，并输入所述预测模型中进行预测，最终获得相应的预测结果。本发明方法提供的iDBP‑DEP在各项评估指标上均展现了优越的性能，具有较良好的有效性和稳定性。
-
公开(公告)号：CN112836637B
公开(公告)日：2022-06-14
申请号：CN202110146335.4
申请日：2021-02-03
Applicant: 江南大学
IPC: G06V40/10 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于空间逆向注意网络的行人重识别方法，包括：采集所拍摄的图片并划分为训练集及测试集；基于Resnet‑50构建空间逆向注意网络模型，根据所述训练集对卷积神经网络进行训练，并加入CBAM‑Pro；根据所加入的CBAM‑Pro将所述网络划分为两条支路，并同时执行正向学习及逆向注意，提取正向、逆向的全局特征以及局部特征；基于所提取的特征根据通道维度连接起来得到包含多类型特征的行人鉴别特征，利用所述测试集对所述行人鉴别特征进行重识别验证，完成行人重识别。本发明基于空间逆向注意网络提取多类型的行人鉴别特征，提高了重识别的有效性与可靠性。
-
公开(公告)号：CN118692137A
公开(公告)日：2024-09-24
申请号：CN202410580695.9
申请日：2024-05-11
Applicant: 江南大学 , 第图(苏州)生物科技有限公司
IPC: G06V40/20 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及计算机视觉识别技术领域，特别是基于交替时空编码器的三维人体姿态估计方法及系统。设计了结合图卷积的空间编码器，通过图卷积网络和自注意力机制分别学习人体关节点的局部和全局特征，增强了捕捉关节点复杂空间关系的能力。设计了基于聚焦注意力的时序编码器，通过聚焦注意力机制在不同层次上进行自注意力计算，能够融合细粒度和粗粒度特征，提高了处理冗余序列的能力。将空间编码器和时序编码器进行交替训练，有效地捕捉人体关节特征和序列时序信息，提升了三维姿态估计精度。
-
公开(公告)号：CN118691788A
公开(公告)日：2024-09-24
申请号：CN202410580698.2
申请日：2024-05-11
Applicant: 第图(苏州)生物科技有限公司 , 江南大学
IPC: G06V10/25 , G06V10/44 , G06N3/0455 , G06N3/09 , G06N3/0464
Abstract: 本发明公开了一种基于边缘增强的宽解码器显著性目标检测方法及系统包括：获取高分辨率图像数据集并对数据集中的目标高分辨率图像进行下采样处理，得到目标下采样图像；将目标高分辨率图像以及目标下采样图像分别输入显著性目标检测模型，显著性目标检测模型通过双通道网络对图像进行特征提取，得到不同层次的特征，拼接双通道网络的最深层特征并将拼接结果输入多尺度注意力模块得到第一特征；基于第一特征，利用多级宽解码器模块依次融合双通道网络的前三层特征得到第二特征，对第二特征进行特征解码得到最终的显著性目标检测结果。本发明能够在有限的计算资源下对高分辨率图像中的复杂几何形状进行精细化处理，精确提取边缘信息实现高质量分割。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
