-
公开(公告)号：CN114821703B
公开(公告)日：2023-07-28
申请号：CN202210253355.6
申请日：2022-03-15
Applicant: 电子科技大学
IPC: G06V40/16 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像识别技术领域，特别是涉及一种距离自适应热红外人脸识别方法，包括构建并训练改进型热红外图像超分辨增强网络Retinex‑CNN，并利用该训练完成的改进型热红外图像超分辨增强网络Retinex‑CNN对热红外图像进行处理；基于近红外获取的先验信息，利用不同的特征算法，分别对近红外和处理后的热红外图像进行局部特征提取，对提取的不同特征进行全特征融合，对融合后的特征进行降维处理，再对降维后的特征进行分类识别。通过本识别方法，能有效解决在距离变化时，热红外成像受距离影响大导致人脸识别困难的问题。
-
公开(公告)号：CN114842309A
公开(公告)日：2022-08-02
申请号：CN202210261395.5
申请日：2022-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种熟悉场景下熟悉目标的优化识别方法，包括：一：采集熟悉目标图像并构建熟悉目标库；二：对熟悉目标库中所有的熟悉目标图像分别进行显著性区域检测，判断检测出的目标是否为熟悉目标，若是，则输出识别成功的结果；若否，则先根据未识别成功的熟悉目标图像建立智能优化的时空序列融合模型，再基于智能优化后的时空序列融合模型对未识别成功的熟悉目标图像进行识别并输出识别结果。该方法采用了基于显著性像素簇的不规则目标检测技术与基于全特征融合的目标预判建模及启发式优化技术，基于这两种技术的结合，最终实现了熟悉场景下熟悉目标的快速检测和高效识别。
-
-
公开(公告)号：CN114898152A
公开(公告)日：2022-08-12
申请号：CN202210524311.2
申请日：2022-05-13
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/08 , G06N3/04 , G06K9/62
Abstract: 本发明涉及图像识别技术领域，特别是涉及嵌入式弹性自扩展通用学习框架，包括嵌入式弹性调度学习框架和嵌入式多方位自适配框架；所述嵌入式弹性调度学习框架包含若干不同种原生网络模型，构建了训练原生网络算法的环境，框架内置弹性调度判断方法，用于决定原生网络模型进行样本训练或是过拟合测试，最终衍生为专有化模型；所述嵌入式多方位自适配框架将嵌入式弹性调度学习框架衍生的专有化模型，对其进行参数分析与场景自适配，生成场景专用化模型；所述场景自适配包括模型适配、外设参数适配和传输数据量适配。通过本学习框架，能有效解决嵌入式环境下算法难以适配现实场景的问题。
-
公开(公告)号：CN115016932B
公开(公告)日：2024-11-05
申请号：CN202210524307.6
申请日：2022-05-13
Applicant: 电子科技大学
IPC: G06F9/50 , G06N7/01 , G06V10/96 , G06V10/94 , G06V10/82 , G06V10/774 , G06N3/10 , G06N3/092 , G06N3/04
Abstract: 本发明涉及嵌入式模型资源调度技术领域，特别是涉及一种基于嵌入式的分布式深度学习模型资源弹性调度方法，包括构建计算精度和计算延迟的复合奖励模型、构建非受限马尔可夫决策过程以及利用深度确定性策略算法动态求解最优弹性调度策略；分布式深度学习技术完成深度学习任务的动态分配，构建以计算服务延迟和模型精度为核心的参量，并采用马尔可夫决策过程对问题建模，使用Lyapunov优化将其转化为无约束的马尔可夫奖励过程之后，通过强化学习中的深度确定性策略梯度算法实现深度学习任务的动态分配过程。通过本调度方法，能有效解决大规模深度学习算法在单个嵌入式设备中部署困难的问题，保证深度学习算法在嵌入式设备中的快速运行。
-
Patent Agency Ranking
公开(公告)号：CN114842524A
公开(公告)日：2022-08-02
申请号：CN202210260013.7
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06V40/16
Abstract: 本发明公开了一种基于不规则显著性像素簇的人脸鉴伪方法，包括：先获取真实人脸图像和伪造人脸图像并依次进行预处理和粗处理，再增强粗处理后人脸候选区域中浅层特征的纹理信息并进行显著性检测，以得到基于纹理信息的真实人脸显著图和伪造人脸显著图；再通过多注意力模块产生输入特征图的聚焦不同区域的多个注意力图，并将基于纹理信息的真实人脸显著图和伪造人脸显著图分别与多个注意力图进行融合，融合后再分别合并、进行标准化平均池化以及堆叠而得到纹理显著矩阵；最后基于多个注意力图得到全局深度特征，并和纹理显著矩阵一起送入分类器，实现对真实和伪造人脸的鉴别。本发明有效提高了人脸的伪造检测的速度与准确度。
-
公开(公告)号：CN114842524B
公开(公告)日：2023-03-10
申请号：CN202210260013.7
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06V40/16
Abstract: 本发明公开了一种基于不规则显著性像素簇的人脸鉴伪方法，包括：先获取真实人脸图像和伪造人脸图像并依次进行预处理和粗处理，再增强粗处理后人脸候选区域中浅层特征的纹理信息并进行显著性检测，以得到基于纹理信息的真实人脸显著图和伪造人脸显著图；再通过多注意力模块产生输入特征图的聚焦不同区域的多个注意力图，并将基于纹理信息的真实人脸显著图和伪造人脸显著图分别与多个注意力图进行融合，融合后再分别合并、进行标准化平均池化以及堆叠而得到纹理显著矩阵；最后基于多个注意力图得到全局深度特征，并和纹理显著矩阵一起送入分类器，实现对真实和伪造人脸的鉴别。本发明有效提高了人脸的伪造检测的速度与准确度。
-
-
公开(公告)号：CN115016932A
公开(公告)日：2022-09-06
申请号：CN202210524307.6
申请日：2022-05-13
Applicant: 电子科技大学
IPC: G06F9/50 , G06N7/00 , G06V10/96 , G06V10/94 , G06V10/82 , G06V10/774 , G06N3/10 , G06N3/08 , G06N3/04
Abstract: 本发明涉及嵌入式模型资源调度技术领域，特别是涉及一种基于嵌入式的分布式深度学习模型资源弹性调度方法，包括构建计算精度和计算延迟的复合奖励模型、构建非受限马尔可夫决策过程以及利用深度确定性策略算法动态求解最优弹性调度策略；分布式深度学习技术完成深度学习任务的动态分配，构建以计算服务延迟和模型精度为核心的参量，并采用马尔可夫决策过程对问题建模，使用Lyapunov优化将其转化为无约束的马尔可夫奖励过程之后，通过强化学习中的深度确定性策略梯度算法实现深度学习任务的动态分配过程。通过本调度方法，能有效解决大规模深度学习算法在单个嵌入式设备中部署困难的问题，保证深度学习算法在嵌入式设备中的快速运行。
-
公开(公告)号：CN114821703A
公开(公告)日：2022-07-29
申请号：CN202210253355.6
申请日：2022-03-15
Applicant: 电子科技大学
Abstract: 本发明涉及图像识别技术领域，特别是涉及一种距离自适应热红外人脸识别方法，包括构建并训练改进型热红外图像超分辨增强网络Retinex‑CNN，并利用该训练完成的改进型热红外图像超分辨增强网络Retinex‑CNN对热红外图像进行处理；基于近红外获取的先验信息，利用不同的特征算法，分别对近红外和处理后的热红外图像进行局部特征提取，对提取的不同特征进行全特征融合，对融合后的特征进行降维处理，再对降维后的特征进行分类识别。通过本识别方法，能有效解决在距离变化时，热红外成像受距离影响大导致人脸识别困难的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
