“姜龙玉”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34个，建议您升级VIP下载更多相关专利

[发明专利]一种包含手语的新闻类视频描述数据集构建方法-CN201910845200.X有效
发明人：伍家松;李晓燕;孔佑勇;杨淳沨;杨冠羽;姜龙玉;陈阳;舒华忠 -专利权人：东南大学
申请日： 2019-09-08 - 公布日： 2023-06-02 - 主分类号： G06F16/74 文献下载
摘要：本发明公开了一种包含手语的新闻类视频描述数据集构建方法，该方法把新闻类视频构建成包含音频、视频、手语、语言描述的数据集；该方法利用色差直方图算法进行视频的自动分割，并使用ffmpeg完成视频信息的自动提取，最后构建图形用户界面并根据用户输入信息自动生成视频描述与视频信息json文件。本发明通过利用新闻视频数据与手语信息构建数据集，为视频描述网络的研究以及视频描述技术在残疾人士服务中的应用提供了支持。
一种包含手语新闻视频描述数据构建方法

[发明专利]基于主动学习的声呐图像目标识别方法-CN201911099760.1有效
发明人：邓雨田;姜龙玉 -专利权人：东南大学
申请日： 2019-11-12 - 公布日： 2023-05-12 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于主动学习的声呐图像目标识别方法，包括如下步骤：步骤1：对声呐图像数据集进行数据增强处理以扩充数据集；步骤2：从步骤1划分的训练集中选出一组样本进行标注，构成初始训练集，并将这些初始训练集的样本从总的训练集中剔除；步骤3.使用初始训练集训练YOLO模型；步骤4：在剔除初始训练集后的剩余样本训练集中利用主动学习样本选择策略挑选一组样本，将选择出的样本进行人工标注，加入训练集训练YOLO模型；步骤5：重复步骤4，直至剩余样本训练集中所有的样本都被选择；步骤6：YOLO模型训练结束，保存权重、经测试集测试以后输出YOLO模型的精度。本发明极大地降低标注成本，并得到理想的精度。
基于主动学习声呐图像目标识别方法

[发明专利]一种基于实例分割的声呐图像目标识别方法-CN201910236980.8有效
发明人：徐方进;姜龙玉;马琪翔;於文雪 -专利权人：东南大学
申请日： 2019-03-27 - 公布日： 2023-04-18 - 主分类号： G06V20/05 文献下载
摘要：本发明公开一种基于实例分割的声呐图像目标识别方法，属于数字图像处理领域。包含如下步骤：设计具有抗噪声能力的改进深度残差网络作为主干网络，结合检测模型与全卷积网络，构建基于实例分割的声呐图像目标识别的网络模型；使用有监督的方法训练网络模型；使用一种基于简单线性迭代聚类的方法对分割边界进行优化。
一种基于实例分割声呐图像目标识别方法

[发明专利]一种基于自监督学习的水声目标定位方法-CN202210841975.1在审
发明人：毕然;姜龙玉 -专利权人：东南大学
申请日： 2022-07-18 - 公布日： 2022-10-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自监督学习的水声目标定位方法，首先对收集到的水声原始数据进行预处理，根据是否带有位置标签将数据集划分为有标签数据和无标签数据，有标签数据再次分为互相独立的训练集和测试集，再随机破坏无标签数据样本的采样协方差矩阵，以重构被破坏的部分为目标，训练一个基于Transformer模型的自监督模块，所述自监督模块为一个基于Transformer模型的自编码器结构，作用是重构被破坏的采样协方差矩阵，然后在自编码器训练完成后，将编码器的参数作为定位器模型的初始化参数，最后利用有标签数据集中的训练集对定位器模块的参数进行微调，从而在相关任务中显著提高模型性能、泛化能力、降低训练所需标签样本的作用。
一种基于监督学习目标定位方法

[发明专利]一种包含戴口罩人脸的语音分离数据集制作方法-CN202210228919.0在审
发明人：伍家松;孟凡满;舒华忠;孔佑勇;杨冠羽;杨淳沨;姜龙玉;章品正 -专利权人：东南大学
申请日： 2022-03-08 - 公布日： 2022-10-18 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种利用新闻发布会视频制作包含戴口罩人脸的语音分离数据集的方法，该方法：把新闻发布会视频裁剪为图像、视频以及语音三个模态的数据集合，基于戴口罩检测预训练模型，获取到每一帧都戴口罩的画面，从而组成戴口罩的视频，以此为数据源，再基于感知哈希算法把视频关键帧与自定义人脸特征库进行比对，实现视频裁剪与分类的过程全自动。本发明通过利用自定义的人脸库裁剪新闻发布会视频中的多模态数据，提高构建包含戴口罩人脸的语音分离数据集的效率。
一种包含口罩语音分离数据制作方法

[发明专利]一种真实场景下的多模态数据集的构建方法-CN202110951389.8在审
发明人：伍家松;王晨琳;孔佑勇;杨淳沨;杨冠羽;姜龙玉;沈傲东;舒华忠 -专利权人：东南大学
申请日： 2021-08-18 - 公布日： 2022-09-06 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种真实场景下的多模态数据集的构建方法，该方法将慕课授课视频构建成包含音频、图像、视频三个模态的数据集；该方法使用多任务卷积神经网络进行人脸检测，使用FaceNet提取说话人特征并构建人脸库，在扫描视频的过程中逐步扩充完善人脸库，通过计算视频截取的人脸与人脸库中人脸的欧氏距离，对视频进行分类，并结合ffmpeg完成批量自动化视频分类和分割，构造出同时带有说话人面部视觉信息和说话人声音信息的数据集。本发明通过采集慕课网授课视频，保证了数据集的音频多样性和场景真实性，有助于训练音频相关深度学习模型的泛化性能；且全自动批处理方法提高了多模态数据集的构建效率。
一种真实场景多模态数据构建方法

[发明专利]一种自动采集并处理生成音乐情感数据库的方法-CN202210205546.5在审
发明人：伍家松;王正青;舒华忠;孔佑勇;杨冠羽;杨淳沨;姜龙玉;章品正 -专利权人：东南大学
申请日： 2022-03-02 - 公布日： 2022-08-12 - 主分类号： G06F16/31 文献下载
摘要：本发明公开了一种自动采集并处理生成音乐情感数据库的方法，该方法：采集网络中已公开的音乐数据，对采集到的音乐数据进行分析处理后，再基于音乐文本数据和用户行为数据生成包含音乐相似度和情感标签的音乐数据库。本发明通过自动化的音乐数据采集与处理工具，再结合自然语言处理相关方法，自动构建可广泛应用于基于情感推荐的音乐情感数据库。
一种自动采集处理生成音乐情感数据库方法

[发明专利]基于强化学习的声呐图像目标识别方法-CN202210535005.9在审
发明人：李勇鹏;姜龙玉;葛张样;张子腾;韩宇 -专利权人：东南大学
申请日： 2022-05-17 - 公布日： 2022-08-02 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于强化学习的声呐图像目标识别方法，包括：(1)将卷积神经网络的层选择过程建模为马尔科夫决策过程；(2)定义强化学习Agent的状态空间和动作空间；(3)使用强化学习Q‑Learn i ng算法让Agent自动构建出一系列的卷积神经网络；(4)从自动生成的卷积神经网络中选出表现较好的网络模型，调整参数并迁移到目标检测网络中，如摘要附图所示；(5)用声呐图像数据集对整个目标检测网络进行监督式训练，完成声呐图像的目标识别工作，基于强化学习的Q‑Learn i ng算法来自动化卷积神经网络的构建过程，省去了大量手工调参投入，得到性能良好的卷积神经网络，提高声呐图像识别的工作效率。
基于强化学习声呐图像目标识别方法

[发明专利]一种基于四阶累积量的宽带凸优化DOA估计方法-CN201810957532.2有效
发明人： 姜龙玉;张雅南;周逍;杨淳沨;王世杰 -专利权人：东南大学
申请日： 2018-08-22 - 公布日： 2022-06-14 - 主分类号： G01S7/539 文献下载
摘要：一种基于四阶累积量的宽带DOA估计算法，本发明使用宽带信号源作DOA估计，结合压缩感知原理，将宽带信源分解为若干子频带，并逐个估计得各子频带的空间谱，然后求解其算术平均值来获得更精确的DOA估计。其中对于各子频带分量，采用其四阶累积量来构造信号子空间，从而达到抑制噪声项的目的。其中压缩感知原理在本发明中的体现在于将DOA估计问题转化为一个优化问题，对信号各快拍分量施加QUOTE范数构造一个与原信号稀疏度相同的向量，并通过施加正则化参数QUOTE将其嵌入目标函数来达到稀疏性条件和数据解的平衡。最后可以通过对目标函数的优化来完成最终的DOA估计。相比现有技术，本发明在保证算法复杂度的前提下，抑制了噪声项，提高了DOA估计精度。
一种基于累积宽带优化 doa 估计方法

[发明专利]一种手语视频中自动裁剪多模态数据的方法-CN201910835953.2有效
发明人：伍家松;李桃桃;舒华忠;孔佑勇;杨冠羽;杨淳沨;姜龙玉;章品正 -专利权人：东南大学
申请日： 2019-09-05 - 公布日： 2022-04-08 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种手语视频中自动裁剪多模态数据的方法，该方法：把手语视频裁剪为图像、视频、语音以及手语四个模态的数据集合，基于感知哈希算法把视频关键帧与自定义人脸特征库进行比对，实现视频裁剪过程全自动。本发明通过利用自定义的人脸库裁剪视频中的多模态数据，提高构建多模态数据集的效率。
一种手语视频自动裁剪多模态数据方法

[发明专利]一种基于八元数卷积神经网络的图像分类方法-CN201810748292.5有效
发明人：伍家松;徐玲;孔佑勇;杨冠羽;章品正;杨淳沨;姜龙玉;舒华忠 -专利权人：东南大学
申请日： 2018-07-10 - 公布日： 2022-04-08 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于八元数卷积神经网络的图像分类方法，首先，输入训练图像，并且将训练图像表示成八元数矩阵的形式；其次，建立八元数卷积神经网络并且训练八元数卷积神经网络，学习得到每一层的网络参数，即训练模型；然后，用校验图像集进行校验，调整到最佳网络参数；最后，对测试图像进行测试，统计分类结果，计算识别率。本发明构造的八元数卷积神经网络，应用八元数矩阵表达方式保留图像内部的内在结构，使得在各种分类任务中，构造的网络与传统方法相比能够获得更高的图像的分类准确率。
一种基于八元数卷积神经网络图像分类方法

[发明专利]一种使用单个带噪语音样本进行语音去噪的方法-CN202111100709.5在审
发明人：伍家松;李清淳;孔佑勇;杨淳沨;杨冠羽;姜龙玉;陈阳;舒华忠 -专利权人：东南大学
申请日： 2021-09-18 - 公布日： 2021-12-21 - 主分类号： G10L21/0208 文献下载
摘要：本发明提供了一种仅使用单个带噪语音样本进行语音去噪的方法。该方法包括以下步骤：(1)对于干净的语音信号，分别叠加合成噪声和真实世界的不同噪声类型生成带噪语音样本；(2)对于单个带噪语音样本，使用一个语音下采样器生成一对语音训练样本；(3)将训练的输入语音转化为频谱图，然后输入去噪网络进行训练，该去噪网络在十层深度复数Unet的编码器和解码器之间叠加了复数两级Transformer模块；(4)训练使用的损失函数由基础损失和正则化损失组成，基础损失由网络特点决定，正则化损失可以防止单样本去噪训练出现过度平滑现象。对比使用干净语音以及使用一对带噪语音进行训练的传统方法，该方案在信噪比、语音质量感知评估、短时客观可懂度等多个评估指标上均取得了更好的结果。
一种使用单个语音样本进行方法

[发明专利]一种基于慕课语音数据集的语音合成方法-CN202110781210.9在审
发明人：伍家松;陈曦;孔佑勇;杨淳沨;杨冠羽;姜龙玉;沈傲东;舒华忠 -专利权人：东南大学
申请日： 2021-07-10 - 公布日： 2021-10-22 - 主分类号： G10L13/047 文献下载
摘要：本发明公开了一种基于慕课语音数据集的语音合成方法，该方法的主要特征在于通过真实场景下的语音构建的数据集进行语音合成，并进行说话人转换和多语种语音合成；该方法运用端到端的语音合成模型生成梅尔频谱，并用基于生成对抗网络的声码器将梅尔频谱转换成最终音频。本发明在真实场景下的语音数据集上有良好的效果，降低了语音合成所需数据的要求，提高了合成音频的质量，使合成音频更贴近真实说话场景。
一种基于语音数据合成方法

[发明专利]一种新闻类长视频描述数据集构建方法-CN202110852417.0在审
发明人：伍家松;闻婷;孔佑勇;杨淳沨;杨冠羽;姜龙玉;陈阳;舒华忠 -专利权人：东南大学
申请日： 2021-07-27 - 公布日： 2021-09-24 - 主分类号： G06F16/71 文献下载
摘要：本发明公开了一种新闻类长视频描述数据集的构建方法，该方法的主要特征在于把新闻类长视频构建成包含视频、视频标题、音频、中英文文本的数据集；该方法基于感知哈希算法计算相邻帧对应的灰度图之间的相似度来进行长视频的自动分割，使用FFmpeg完成音频的提取，并基于Python和selenium制作了一个语音识别工具来自动识别音频中包含的有效文本信息，最后通过脚本自动将视频片段、视频标题、音频、中英文文本信息组合形成一个新闻类长视频描述数据集，为长视频描述网络的研究以及长视频描述在为视频拟定标题方面的应用提供了支持。
一种新闻视频描述数据构建方法

[发明专利]一种基于二维任意阵子空间的超短基线定位水下声源方法-CN202110111140.6在审
发明人：黄俊达;姜龙玉 -专利权人：东南大学
申请日： 2021-01-27 - 公布日： 2021-09-10 - 主分类号： G01S5/20 文献下载
摘要：本发明公开一种基于二维任意阵子空间的超短基线定位水下声源方法，属于阵列信号处理、海洋学等多学科交叉领域。本发明采用超短基线定位系统，设计了四元十字阵列形式的阵列结构，且采用任意阵模式来获取接收信号；对入射信号的俯仰角和方位角θ，基于子空间类MUSIC算法，利用相干信号子空间类方法，构建聚焦矩阵将宽带多频率聚焦到中心频率f0，对聚焦后的宽带信号，利用二维MUSIC改进算法，构建二维角度联合空间谱函数，对水下传播的宽带信号进行源目标的空间定位，解决了海洋宽带信号空间定位精确度不足的问题。相对于主流的基于时延差的方法，本发明提出的一种基于二维任意阵子空间的超短基线水下声源定位方法能够在信号和噪声相干条件下识别宽带信号，不同的信噪比条件下，本发明的定位精度高于其它对比算法。
一种基于二维任意阵子空间超短基线定位水下声源方法

1
2
3
下一页»
尾页
共 34 条