-
公开(公告)号：CN114005096B
公开(公告)日：2024-05-10
申请号：CN202111317650.5
申请日：2021-11-09
Applicant: 河北工业大学
Abstract: 本发明为基于特征增强的车辆重识别方法，该方法以构建具有空间注意力引导的自适应特征擦除模块和多感受野残差注意力模块的基于多注意力引导的特征增强网络，通过多感受野残差注意力在不同大小的感受野下帮助主干网络获得丰富的车辆外观特征，利用空间注意力引导的自适应特征擦除模块有选择性的擦除车辆最显著特征，使多注意力引导的特征增强网络的局部分支能够挖掘潜在局部特征，融合全局分支的全局特征和擦除分支的潜在局部特征完成车辆重识别过程。本发明方法不仅能够克服复杂的环境变化，如光照剧烈变化、障碍物遮挡而造成局部显著信息丢失的问题，而且能够满足在安全监管、智能交通系统中高效、快速的查找目标车辆的需求。
-
公开(公告)号：CN117876704A
公开(公告)日：2024-04-12
申请号：CN202410046994.4
申请日：2024-01-12
Applicant: 河北工业大学
Abstract: 本发明为基于多信息引导和渐进掩码Transformer的小篡改区域定位方法，该方法利用边缘和区域两种信息来引导小篡改区域的定位，在边缘信息引导阶段，首先利用浅层特征和深层特征来生成篡改区域的边缘引导信息，然后使用边缘引导信息与浅层特征进行逐元素相乘并与浅层特征进行残差连接，最后使用通道注意力来挖掘通道之间的关联；在区域信息引导阶段，首先提取并聚合各层频域相关信息并生成粗糙预测掩码，然后扩大可见的篡改区域并生成区域引导信息，最后将区域引导信息与深层特征逐元素相乘并与深层特征进行残差连接并对篡改特征的通道相关性进行建模；同时以渐进的方式使用掩码Transformer来细化各层特征。能更加精确地定位篡改区域。
-
公开(公告)号：CN113487481B
公开(公告)日：2022-04-12
申请号：CN202110746815.4
申请日：2021-07-02
Abstract: 本发明为基于信息构建和多密集残差块的循环视频超分辨率方法，该方法利用引入信息构建模块对初始的循环神经网络进行先验信息构建和填充，使得序数靠前的循环神经网络有足够的信息去重建靠前帧，同时利用多密集残差块提取代表深层次信息的特征，在循环神经网络中以隐藏状态的方式进行传播；包括以下内容：对视频数据进行预处理，获得对应的低分辨率帧序列；构建信息构建模块，输入为前m帧低分辨率帧序列，输出为初始的隐藏信息h0和初始的预输出信息o0；构建多密集残差块的循环神经网络，将信息构建模块的两个输出输入到多密集残差块的循环神经网络中，得到超分辨率帧序列。可以胜任在线超分辨率任务。
-
公开(公告)号：CN111209918B
公开(公告)日：2022-04-05
申请号：CN202010008328.3
申请日：2020-01-06
Applicant: 河北工业大学
IPC: G06V10/46 , G06V10/26 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40
Abstract: 本发明是一种图像显著性目标检测方法，涉及图像分析的区域分割，是基于多图模型先验和短连接网络优化的图像显著性检测方法，该方法是对每张输入图像利用颜色和位置信息，计算KNN图模型和K正则图模型，得到在KNN图模型下的显著图S1和在K正则图模型下的显著图S2，再将KNN图模型和K正则图模型进行像素级别的融合，得到原图像的初始显著图S3，利用短连接网络优化初始显著图S3，获得原图像的最终的显著图Sfinal，完成图像显著性目标检测，克服了图像显著性目标检测的现有技术中存在的显著目标检测不完整、当前景背景颜色相似时算法检测不准确的缺陷。
-
公开(公告)号：CN113888399A
公开(公告)日：2022-01-04
申请号：CN202111240317.9
申请日：2021-10-25
Applicant: 河北工业大学
Abstract: 本发明为一种基于风格融合与域选结构的人脸年龄合成的方法，该方法包括以下内容：对人脸公开数据集进行预处理，每个人脸样本对应一个年龄标签，设置年龄域的数量；构建风格融合和多域判别的对抗网络，包括基于风格融合的生成器网络和域选判别器网络；域选判别器网络包括多个域选结构和一个全连接层，域选结构由两种类型的函数组成：基础函数和多个域函数；针对每一批次的输入图像只用基础函数和一个特定的域函数提取特征，其中域函数的个数与年龄域的个数保持一致。本发明能够有效地解决人脸身份信息丢失和训练不稳定的问题。
-
Patent Agency Ranking
公开(公告)号：CN113723345A
公开(公告)日：2021-11-30
申请号：CN202111053962.X
申请日：2021-09-09
Applicant: 河北工业大学
Abstract: 本发明为一种基于风格转换和联合学习网络的域自适应行人再识别方法，包括一、利用源域数据集对神经网络模型进行预训练；二、对目标域数据集中的行人图像进行风格转换；三、对每张行人图像进行预处理；四、将同一张行人图像采用两种预处理方式得到的图像输入到两个神经网络模型中提取特征，将两个高阶特征保存至两个存储器中；两个高阶特征进行聚类，得到伪标签；将同一张行人图像的两个高阶特征进行融合，融合后的高阶特征存储在联合存储器中；五、基于伪标签训练两个神经网络模型，基于联合存储器同步训练两个神经网络模型；六、重复第四、五步并在训练过程中计算两个神经网络模型的识别精度，将识别精度最佳的神经网络模型用于行人再识别。
-
公开(公告)号：CN111062931B
公开(公告)日：2021-08-03
申请号：CN201911325073.7
申请日：2019-12-20
Applicant: 河北工业大学
Abstract: 本发明一种被拼接篡改的图像的检测方法，涉及图像分析，是基于光源图和金字塔特征图的被拼接篡改的图像的检测方法，利用两个结构相同的卷积神经网络分别提取被拼接篡改图像及其对应光源图的多阶段特征，结合多尺度信息，将两组多阶段特征进行融合和上采样，得到金字塔特征图，将金字塔特征图不同层分别经过区域生成网络，得到篡改候选区域,经过ROI Align生成固定尺寸特征图，对固定尺寸特征图进行分类、边界框回归和掩码预测，最后得到篡改区域的边界框和像素级定位，完成对被拼接篡改的图像的检测，克服了现有技术提取的图像篡改特征单一不全面，容易忽略区域较小的篡改目标，不能实现端到端的像素级定位的缺陷。
-
公开(公告)号：CN109753950B
公开(公告)日：2020-08-04
申请号：CN201910109704.5
申请日：2019-02-11
IPC: G06K9/00
Abstract: 本发明动态人脸表情识别方法，涉及用于识别图形的图像特征或特性的方法，是一种基于几何特征及语义特征的动态人脸表情识别方法，步骤是：动态人脸图像序列的预处理；人脸表情灰度图像的人脸表情帧检测与特征点标注；人脸表情灰度图像上人脸表情三角形区域的标定；人脸表情灰度图像上人脸表情三角形区域的几何特征的提取；人脸表情灰度图像上的语义特征的分析与提取；SVM分类器训练并得到分类结果；完成动态人脸表情的识别。本发明克服了现有技术普遍存在实时性差、易受光照影响、特征维数和时间复杂度高进而影响到人脸表情识别率符合要求的缺陷。
-
公开(公告)号：CN111339903A
公开(公告)日：2020-06-26
申请号：CN202010108983.6
申请日：2020-02-21
Applicant: 河北工业大学
Abstract: 本发明一种多人人体姿态估计方法，涉及用于识别图形的记录载体的处理，是一种基于深度特征的多人人体姿态估计方法，该方法构建了由主体网络与微调网络两部分组成的深度特征人体关键点检测模型，采用自底向上与自顶向下两种方法结合的两阶段训练方法训练深度特征人体关键点检测模型，最终利用两阶段训练好深度特征人体关键点检测模型检测人体关键点，并通过人体关键点聚类处理去除不属于目标人的冗余关键点，进而输出多人人体姿态估计结果，克服了现有多人人体姿态估计方法技术所存在的在人群稠密情况下，对目标人体遮挡干扰鲁棒性差，人体关键点检测正确率较低的缺陷。
-
公开(公告)号：CN111339837A
公开(公告)日：2020-06-26
申请号：CN202010083258.8
申请日：2020-02-08
Abstract: 本发明一种连续手语识别方法，涉及用于识别图形的记录载体的处理，是基于对多模态图像序列特征融合和自注意力机制的编码解码网络的连续手语识别的方法，首先获得光流图像序列，通过原始手语图像序列和光流图像序列时空特征的提取和多模态图像序列时空特征融合，和手语句子标签的文本特征序列的提取，将融合后的多模态图像序列时空特征和提取的手语句子标签的文本特征序列输入到基于自注意力机制的编码解码网络中进行手语标签预测输出，克服了现有技术存在的特征单一、视频需要分割的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.031 seconds)
