-
公开(公告)号：CN116051574A
公开(公告)日：2023-05-02
申请号：CN202211699855.9
申请日：2022-12-28
Applicant: 河南大学
IPC: G06T7/11 , G06T7/00 , G06N3/08 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种半监督分割模型构建与图像分析方法、系统及设备。包括：获取待处理的图像；基于构建的训练好的半监督分割模型进行图像的一致性学习，得到图像分割结果；其中，所述一致性学习基于训练好的半监督分割模型中的编码器对输入图像的特征提取能力和若干个辅助解码器与主解码器配合完成预测结果训练的一致性。本发明方法旨在基于一致性学习的语义分割网络构建半监督分割模型，实现图像分析，旨在发掘其在影像数据中的分析能力和潜在应用价值。
-
公开(公告)号：CN113158929B
公开(公告)日：2022-09-30
申请号：CN202110459706.4
申请日：2021-04-27
Applicant: 河南大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于距离和方向的深度鉴别度量学习亲属关系验证框架，包括特征提取模块，特征融合模块，亲属关系验证分类器及损失约束模块；所述特征提取模块用于提取亲属关系验证中图像的特征；损失约束模块通过基于距离和方向两个层面的损失函数对提取的图像特征进行约束；所述特征融合模块用于对亲属关系验证中提取的图像特征进行融合；所述亲属关系验证分类器用于根据融合后的图像特征判断图像中人物是否存在亲属关系。本发明设计的网络不需要对数据进行特殊处理，降低了使用成本；本发明基于距离和方向两个层面，设计了多个损失函数对网络进行约束，获得一个泛化能力强的网络模型，提高了亲属关系验证的准确率。
-
公开(公告)号：CN105227276B
公开(公告)日：2018-07-27
申请号：CN201510635205.1
申请日：2015-09-30
Applicant: 河南大学
Abstract: 本发明公开了种基于UDT的对等网络数据传输方法,包括以下步骤:A、客户端与服务器建立连接,成为对等网络中拥有唯ID标识的个节点;B、客户端作为接受节点,与保存有自身所需资源的多个发送节点建立连接;C、多个发送节点分别向接收节点发送包含不同资源内容的数据包,且发送节点根据发送数据的类型决定为发送信道分配的带宽大小;D、接收节点接收包含所需资源内容的数据包,并通知发送节点重传丢失的数据包。本发明通过区分对等网络节点间传输的数据类型,对实时数据和普通数据的传输采取不同的发送及接收方式,有效提高了实时数据的传输速率及传输可靠性。
-
公开(公告)号：CN105303876A
公开(公告)日：2016-02-03
申请号：CN201510638361.3
申请日：2015-09-23
Applicant: 河南大学
Abstract: 本发明公开了一种面向停车服务的车联网系统，包括车牌识别系统，收费管理系统，短信息数据传输单元，在停车场中设置的若干个Wi-Fi热点，控制主机，和车联网云平台；车联网云平台包括GPS定位模块，车库监控终端，车位空余数量及位置储存模块，人机操作界面，中央处理器，液晶显示屏，语音单元和Wi-Fi模块。本发明通过车牌的识别，实现了不停车收费管理；建立了统一的停车费集中支付平台，车主网上注册、自助缴费、网络自动扣费，使用方便；同时实现了停车位指引，快速停车的功能。
-
公开(公告)号：CN117392718A
公开(公告)日：2024-01-12
申请号：CN202311278464.4
申请日：2023-09-28
Applicant: 河南大学
IPC: G06V40/16 , G06V10/764 , G06N5/022 , G06N3/096
Abstract: 本发明属于亲属关系验证技术领域，公开一种基于因果干预的跨年龄亲属关系验证方法，包括：构建基于知识迁移和因果干预的亲属关系验证模型，用于跨年龄人脸亲属关系验证，该模型为双流网络模型，包括家庭ID分支、年龄分支、特征融合模块、知识迁移模块、亲属关系预测模块和因果干预模块；构建损失函数，所述损失包括知识迁移损失和因果干预损失，并基于构建的损失函数对亲属关系验证模型进行训练；将人脸图像输入训练好的亲属关系验证模型，进行跨年龄人脸亲属关系验证。本发明利用知识迁移和因果干预从ID表征中分离年龄因素，进而消除年龄偏见对家庭ID的影响，本发明能够提高亲属关系验证算法的性能，增强其在现实生活中的应用可行性。
-
Patent Agency Ranking
公开(公告)号：CN110138659B
公开(公告)日：2021-06-22
申请号：CN201910458812.3
申请日：2019-05-29
Applicant: 河南大学
IPC: H04L12/715 , H04W40/20 , H04W12/00 , H04W12/033 , H04W12/02 , H04W4/38 , H04W84/18
Abstract: 本发明提供一种无线传感网中端到端的多层安全路由方法。该方法包括：在源节点周围的预设区域设置第一干扰区，在基站周围的预设区域设置第二干扰区，第一干扰区和第二干扰区均包括至少一个干扰层，每层干扰区中包含若干个干扰节点，每个干扰节点存储有同层的干扰邻居节点ID和邻层的干扰邻居节点ID；将数据包分三个数据传输阶段进行传输：数据包从源节点到第一干扰区的第一数据传输阶段、数据包从第一干扰区到第二干扰区的第二数据传输阶段和数据包从第二干扰区到基站的第三数据传输阶段；其中，数据包包括感知数据和转发跳数。本发明通过在源节点和基站周围设置多层干扰区，从而防止敌手进行流量分析，可以有效保护源节点和基站的位置安全。
-
公开(公告)号：CN117576720A
公开(公告)日：2024-02-20
申请号：CN202311330139.8
申请日：2023-10-13
Applicant: 河南大学
IPC: G06V40/10 , G06V10/44 , G06V10/762 , G06V10/74 , G06V10/774 , G06V10/82 , G06F16/583 , G06N3/0895
Abstract: 本发明提供的一种基于半监督学习的跨模态行人重识别方法和系统。本发明的基本思想包括两方面：(1)在少量有标记样本指导下，从大量无标记数据中挖掘更加可靠的伪标记跨模态数据。(2)充分利用少量有标记跨模态数据和挖掘得到的伪标记跨模态数据中蕴含的鉴别信息，降低模态间差异的影响，提升训练模型的判别力。
-
公开(公告)号：CN117409443A
公开(公告)日：2024-01-16
申请号：CN202311352231.4
申请日：2023-10-18
Applicant: 河南大学
IPC: G06V40/10 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明提供一种基于动态特征匹配的跨集换装行人重识别方法。该方法包括：步骤1：构建行人重识别网络模型，包括主干网络和动态匹配模块；其中，所述主干网络由浅层至深层包括4个串接的ResNet Block，并将后三个ResNet Block的最后一层替换为基于身份一致性的风格正则化模块；步骤2：采用第一行人图像数据集对所述行人重识别网络模型进行训练；步骤3：给定查询行人图像样本，利用训练好的行人重识别网络模型在新的第二行人图像数据集上进行检索。本发明可以提高跨数据集之间的行人重识别的识别准确率。
-
公开(公告)号：CN113158929A
公开(公告)日：2021-07-23
申请号：CN202110459706.4
申请日：2021-04-27
Applicant: 河南大学
Abstract: 本发明公开一种基于距离和方向的深度鉴别度量学习亲属关系验证框架，包括特征提取模块，特征融合模块，亲属关系验证分类器及损失约束模块；所述特征提取模块用于提取亲属关系验证中图像的特征；损失约束模块通过基于距离和方向两个层面的损失函数对提取的图像特征进行约束；所述特征融合模块用于对亲属关系验证中提取的图像特征进行融合；所述亲属关系验证分类器用于根据融合后的图像特征判断图像中人物是否存在亲属关系。本发明设计的网络不需要对数据进行特殊处理，降低了使用成本；本发明基于距离和方向两个层面，设计了多个损失函数对网络进行约束，获得一个泛化能力强的网络模型，提高了亲属关系验证的准确率。
-
公开(公告)号：CN113902980B
公开(公告)日：2024-02-20
申请号：CN202111406040.2
申请日：2021-11-24
Applicant: 河南大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/084
Abstract: 本发明提供了一种基于内容感知的遥感目标检测方法。该方法包括：根据回归模块输出的信息得到预测框的坐标信息，并从原始遥感图像中获取真实框的坐标信息；根据预测框的坐标信息和真实框的坐标信息在最大的特征图上进行定位分别得到预测框与真实框所包含的特征信息v*和v；确定预测框和真实框共同的最小水平外接矩形，并从所述最大的特征图上取出所述最小水平外接矩形所在区域，记作特征图x；在所述特征图x上分别将不属于真实框和预测框自身的内容置为0，得到真实框所对应的特征图f1和预测框所对应的特征图f1*；计算特征图f1和特征图f1*的相似度，将所述相似度作为内容一致性损失Lfeat，基于所述内容一致性损失Lfeat来约束锚框的回归。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
