“夏士雄”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果65个，建议您升级VIP下载更多相关专利

[发明专利]一种基于全卷积单步目标检测算法的口罩佩戴识别方法和装置-CN202010673139.8有效
发明人：赵佳琦;王冰洋;周勇;夏士雄;郑尧文;贾志杰;倪文鑫;周昳晨 -专利权人：中国矿业大学
申请日： 2020-07-14 - 公布日： 2023-09-26 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了基于全卷积单步目标检测算法的口罩佩戴识别方法和装置，属于图像处理技术领域。第一步，创建全卷积单步目标检测模型并初始化，构建数据集；第二步，改进全卷积单步目标检测网络模型，将口罩数据集用于模型的训练，输出训练结果后对全卷积单步目标检测模型迭代训练，调整参数，得到预期的测试效果；第三步，为拓展算法应用范围，将模型部署到人工智能开发板装置。本发明可用于公共场所的人脸口罩佩戴识别，助力疫情防控常态化条件下加快恢复生产生活秩序。
一种基于卷积目标检测算法口罩佩戴识别方法装置

[发明专利]一种基于多尺度循环生成式对抗网络的高分辨行人图像生成方法-CN201910450597.2有效
发明人：赵佳琦;陈莹;夏士雄;周勇;姚睿;杜文亮;朱东郡;马丁 -专利权人：中国矿业大学
申请日： 2019-05-28 - 公布日： 2023-08-18 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于多尺度循环生成式对抗网络的高分辨行人图像生成方法，解决由监控设备拍摄到的行人图像分辨率存在差异的问题。其实现方案是：提出基于多尺度循环生成式对抗网络的高分辨行人图像生成模型，采用多尺度生成网络模型将低分辨率行人图像转换为高分辨行人图像，该模型生成器分为两个子生成网络：全局生成网络和局部增强网络；其次采用循环生成式对抗网络技术通过对抗学习的方法来训练多尺度生成器，目的是解决生成高分辨图像失真问题以及还原行人图像的背景信息；针对网络模型复杂度高和参数多的问题，使用多阶段学习方法来训练多尺度循环生成式对抗网络高分辨行人图像生成模型，实现网络性能的稳步提升。
一种基于尺度循环生成对抗网络分辨行人图像方法

[发明专利]一种基于协同进化卷积神经网络学习的遥感图像分类方法及装置-CN202010047847.0有效
发明人：赵佳琦;周昳晨;周勇;夏士雄;姚睿;王重秋;杜文亮 -专利权人：中国矿业大学
申请日： 2020-01-16 - 公布日： 2023-08-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于协同进化卷积神经网络学习的遥感图像分类方法，属于图像处理技术领域。首先初始化多个不同优化方法的相同网络，将初始化的网络同时进行训练,选取一个时间间隔，在每个时间间隔后，选取在测试集上分类准确率最高的网络，保存其模型的全部参数并将保存的模型参数赋予协同训练中剩余的网络，进行网络的迭代训练，每次丢弃表现较差的模型参数，继承表现最好的模型参数。使得每个优化方法充分发挥其功能，达到优化最大化，提高收敛速度，达到较高的准确率。本发明可对大规模的高分辨率遥感图像进行场景分类，大大提高遥感图像分类的准确性，可用于自然灾害的检测与评估，环境监测等领域，减少判断与决策失误性，减少损失。
一种基于协同进化卷积神经网络学习遥感图像分类方法装置

[发明专利]基于生成式对抗网络的遥感图像半监督语义分割方法-CN201911098928.7有效
发明人：周勇;王家齐;赵佳琦;夏士雄;马丁;姚睿;刘兵;杜文亮 -专利权人：中国矿业大学
申请日： 2019-11-12 - 公布日： 2023-08-15 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于生成式对抗网络的遥感图像半监督语义分割方法，通过搭建初始生成式对抗分割网络，构建训练数据集，根据训练数据集训练所述初始生成式对抗分割网络，得到优化生成式对抗分割网络，将待测图像输入所述优化生成式对抗分割网络进行语义分割，以提取不同尺度的特征，融合局部和全局特征，用生成对抗网络指导没有标签的数据进行语义分割，从而进行半监督语义分割，提高语义分割的精度。
基于生成对抗网络遥感图像监督语义分割方法

[发明专利]一种基于球面相似度层次聚类的无监督行人重识别方法-CN201911163066.1有效
发明人：周勇;郑沂;赵佳琦;夏士雄;姚睿;杜文亮;王秋;张曼 -专利权人：中国矿业大学
申请日： 2019-11-25 - 公布日： 2023-06-20 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于球面相似度层次聚类的无监督行人重识别方法，用球面相似度衡量行人图片之间的相似度，减弱因摄像头位置不同导致的光线、角度等结构化的差异；同时，将图片特征向量进行归一压缩到球面之后，对于特征的类别区分更清晰明确。本发明将基于球面相似度的层次聚类方法和通过球面特征压缩进行图片分类的方法进行整合，能够在没有人工进行图片标注的前提下对行人图像进行检索，并达到较高的检索准确率。
一种基于球面相似层次监督行人识别方法

[发明专利]一种结构感知自注意和在线实例聚合匹配的行人搜索方法及装置-CN201910061943.8有效
发明人：姚睿;高存远;赵佳琦;周勇;夏士雄;王重秋 -专利权人：中国矿业大学
申请日： 2019-01-22 - 公布日： 2023-06-09 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种结构感知自注意和在线实例聚合匹配的行人搜索方法及装置，属于计算机视觉技术处理技术领域。在训练阶段，首先通过一个卷积神经网络和非局部层的结合，对输入的整个场景图像进行特征提取，得到它的特征表示，针对行人的这一特殊对象设计结构感知的锚点，提升检测框架性能，将检测出的行人框池化成相同尺寸后，送入行人重识别网络训练，保存，优化和更新具有标签的行人特征。在模型测试阶段，使用训练好的非局部卷积神经网络对输入场景图像进行行人检测，检测出行人框之后，并用目标行人图像进行特相似度匹配排序并检索。本发明可对大规模的现实场景图像同时进行行人检测和重识别，在城市监控等安防领域发挥重要作用。
一种结构感知注意在线实例聚合匹配行人搜索方法装置

[发明专利]基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法-CN201910549345.5有效
发明人： 夏士雄;陈莹;赵佳琦;周勇;牛强;姚睿;陈朋朋;杜文亮;朱东郡 -专利权人：中国矿业大学
申请日： 2019-06-24 - 公布日： 2023-06-09 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法。其实现方案是：根据行人图像数据集，对行人图像进行目标检测获取训练样本；构建基于多样性样本生成的孪生生成式对抗网络模型，该模型对目标检测后输入的两组行人图像的姿态属性信息互换，实现多样性样本的生成；构建基于保持身份特征的孪生生成式对抗网络模型，该模型利用身份判别器保留生成行人图像的身份信息，从而提升行人重识别对生成行人图像身份的鲁棒性；针对生成式对抗网络优化困难的问题，构建基于多目标优化的孪生生成式对抗网络参数学习方法；为了验证提出的行人重识别方法的有效性，对生成行人图像构成的数据集进行行人重识别方法验证。
基于姿态指导行人图像生成孪生对抗网络识别方法

[发明专利]一种基于多尺度生成式对抗网络的红外和可见光图像融合方法-CN201911187619.7有效
发明人：周勇;张迪;赵佳琦;夏士雄;周子渊;姚睿;刘兵;杜文亮 -专利权人：中国矿业大学
申请日： 2019-11-28 - 公布日： 2023-05-26 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于多尺度生成式对抗网络的红外和可见光图像融合方法，解决由光谱分辨率和空间分辨率制约以及物理条件的限制，红外图像具有很高的光谱分辨率而其空间分辨率却较低的问题。包括：第一阶段，构造生成式对抗网络模型，利用高分辨率可见光图像生成高质量红外图像，一方面红外图像数据得到了增强扩充，另一方面提高了红外图像的分辨率；第二阶段，通过高分辨率可见光图像与其低通版本的差乘以增益因子获得空间细节信息，然后将提取到的空间细节信息注入到第一阶段生成后的高分辨率红外图像中，最终得到融合后的高分辨率图像，使得融合图像可以同时保持红外图像中的热辐射信息和可见图像中的纹理信息。
一种基于尺度生成对抗网络红外可见光图像融合方法

[发明专利]一种基于变分自注意力强化学习的遥感图像内容描述方法-CN201911352556.6有效
发明人：周勇;沈祥清;赵佳琦;夏士雄;马丁;姚睿;刘兵;杜文亮 -专利权人：中国矿业大学
申请日： 2019-12-25 - 公布日： 2023-05-12 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于变分自注意力强化学习的遥感图像内容描述方法，属于计算机视觉和自然语言处理的交叉领域；包括：使用遥感图像分类数据集，预训练融合变分自编码器的卷积神经网络；使用预训练的卷积神经网络提取遥感图像的空间特征和语义特征；使用自注意力使空间特征融合上下文信息；使用遥感图像内容描述数据集，使用Transformer解码空间特征和语义特征，融合特征，输出遥感图像内容的文本描述；使用强化学习提升文本描述质量。本发明利用遥感图像分类数据集，融合变分自编码器进行卷积神经网络预训练，使用自注意力机制，特征融合，强化学习，优化了遥感图像内容描述文本的质量。
一种基于注意力强化学习遥感图像内容描述方法

[发明专利]一种轻量级视频行人重识别方法-CN201910903126.2有效
发明人：姚睿;高存远;夏士雄;周勇;赵佳琦;牛强;袁冠;张凤荣;王重秋;陈朋朋 -专利权人：中国矿业大学
申请日： 2019-09-24 - 公布日： 2023-04-18 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种轻量级视频行人重识别方法，属于计算机视觉技术处理技术领域。在搭建模型阶段，使用基于ShuffleNet v2的轻量级算法，同时，利用轻量级空间注意力机制模块处理人物图像细节，最后，通过一个在线差异识别模块来测量视频帧之间的特征差距，并使用该模块对不同质量的视频序列进行不同类型的时间建模。在模型训练阶段，输入行人的视频序列，使用上述搭建好的网络提取它们的特征表示，利用批量难分辨三元组损失和softmax损失共同训练并更新行人特征；在模型测试阶段，使用训练好的轻量级行人搜索模型对输入的目标查询行人，提取行人特征，并在大规模的视频序列中搜索出目标查询行人。本发明可应对大规模的现实场景图象，用于城市监控等安防领域。
一种轻量级视频行人识别方法

[发明专利]面向行人重识别任务的基于成对样本随机遮挡策略的数据扩充方法-CN201811352790.4有效
发明人：赵佳琦;夏士雄;姚睿;周勇;牛强;闫秋艳;张凤荣;张家诚 -专利权人：中国矿业大学
申请日： 2018-11-14 - 公布日： 2023-04-18 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种面向行人重识别任务的基于成对样本随机遮挡策略的数据扩充方法，在训练阶段，首先通过采用基于成对样本随机遮挡策略的数据扩充方法增加样本的多样性，提高深度行人重模型训练过程中的鲁棒性，进而提高模型的泛化性能。本发明与现有技术中数据扩充的方法相比，利用了孪生深度学习模型训练数据的特点，同时考虑了孪生网络训练的困难，提出了一种新的数据扩充方法。通过增加训练数据对的多样性，有效缓解单个行人数据集类别少且缺乏多样性问题给带来的影响，提升了模型的泛化性能，让行人重识别方法可以更好的处理复杂环境下的相行人重识别问题。
面向行人识别任务基于成对样本随机遮挡策略数据扩充方法

[发明专利]基于多模态图像风格转换的跨模态行人重识别方法-CN202010227374.2有效
发明人：赵佳琦;陈莹;夏士雄;周勇;牛强;姚睿;陈朋朋;杜文亮;朱东郡 -专利权人：中国矿业大学
申请日： 2020-03-27 - 公布日： 2023-04-18 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于多模态图像风格转换的跨模态行人重识别方法，根据行人图像数据集，对训练图像进行收集和预处理获取训练样本；构建解耦图像特征的自动编码网络模型，该模型对处理后输入的行人图像进行特征解耦，分为域无关的内容特征和域相关的风格特征；构建基于模态转换的生成网络和判别网络模型，该模型实现不同域行人图像的风格属性信息互换，实现变换风格的样本生成；本发明方法针对行人重识别算法易受不同光照影响的问题，通过神经网络提取行人图像的特征来学习不同图像的相似性矩阵，该方法学习到的度量矩阵比人为选定的矩阵具有灵活性，更能获得图像特征之间的相似性。
基于多模态图像风格转换跨模态行人识别方法

[发明专利]一种针对密集区域的两阶段遥感图像目标检测方法-CN202010030047.8有效
发明人：赵佳琦;朱东郡;夏士雄;周勇;姚睿;陈莹;张迪 -专利权人：中国矿业大学
申请日： 2020-01-13 - 公布日： 2023-04-07 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种针对密集区域的两阶段遥感图像目标检测方法，主要解决现有技术对目标密集区域目标识别准确率低的问题，其步骤为：1、对于输入图像进行数据增强操作，增加训练样本集；2、构建基于多尺度特征提取模块；3、在不同尺度的特征图上进行目标检测，找出目标密集的区域；4、针对目标密集的区域进行二次目标检测；5、对检测出的目标进行分类和位置回归，输出目标对应的分类标签和位置坐标，完成对图像的目标识别和定位。本发明利用网络多尺度结构的特点提取和融合不同尺度下的特征图来检测不同大小的目标，并对目标密集度高的区域进行二次检测，提高了小目标识别准确率。该方法可用于无人机以及卫星对目标的检测，侦查和监视。
一种针对密集区域阶段遥感图像目标检测方法

[发明专利]一种基于空间层次感知模块和度量学习的遥感图像目标检测方法-CN202010030042.5有效
发明人： 夏士雄;朱东郡;赵佳琦;周勇;姚睿;陈莹;张曼 -专利权人：中国矿业大学
申请日： 2020-01-13 - 公布日： 2022-07-12 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于空间层次感知模块和度量学习的遥感图像目标检测方法，解决在复杂环境下目标特征不明显以及类内目标特征差距大的目标检测问题。主要包括如下步骤：(a)构建预训练数据集；(b)利用空间层次感知模块构建特征金字塔；(c)对输入图像上的区域进行前景和背景的分类和定位；(d)对可能的目标特征进行分类和定位；(e)进行在线难样本挖掘；(f)利用度量学习拉近相同类别难样本特征之间的距离；(g)计算总损失，更新目标检测模型参数。本发明提出的辅助损失，通过度量学习可以拉近相同类别特征之间的距离，使得类内的目标更加容易识别，减少因类内目标特征差异过大造成的检测错误。
一种基于空间层次感知模块度量学习遥感图像目标检测方法

[发明专利]基于自适应特征融合的点云图神经网络的点云分类方法-CN201911201999.5有效
发明人：周勇;郭睿;赵佳琦;夏士雄;张迪;姚睿;刘兵;杜文亮 -专利权人：中国矿业大学
申请日： 2019-11-29 - 公布日： 2022-04-26 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于自适应特征融合的点云图神经网络的点云分类方法，使用残差结构缓解梯度消失；使用全局特征与局部特征相融合，提升网络性能；使用权重自适应机制指导特征融合；本发明利用图神经网络关注局部特征，点云网络提取全局特征的同时加入残差块，将提取的全局特征与局部特征融合，在特征融合的时候对于不同的特征加入了权重自适应机制，从而优化模型性能。
基于自适应特征融合云图神经网络分类方法

1
2
3
4
5
下一页»
尾页
共 65 条