“白玥寅”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9个，建议您升级VIP下载更多相关专利

[发明专利]一种基于MTCNN的车脸对齐方法-CN201910625985.X有效
发明人：朱顺意;范继辉;李广立;瞿明军;刘雪健;周莉;巩志远;陈建学;杜来民;邓国超;白玥寅;张松;周雨晨 -专利权人：山东领能电子科技有限公司;山东大学;太原理工大学
申请日： 2019-07-11 - 公布日： 2023-06-30 - 主分类号： G06V10/46 文献下载
摘要：本发明涉及一种基于MTCNN的车脸对齐方法，属于车辆识别领域，包括：将车辆数据集划分为训练集和测试集，使用LabelImg工具标注训练数据集；修改MTCNN算法模型中的图像读取文件，更改特征点数量；训练MTCNN算法模型；指定目标图片并构建图像金字塔；将图像金字塔导入MTCNN算法模型，经过P‑Net进行第一级处理；P‑Net的输出结果进入R‑Net进行第二级处理；R‑Net的输出结果进入O‑Net进行第三级处理，识别出车脸边框及特征点；对MTCNN算法模型的输出结果进行仿射变换。本发明解决了车辆识别中车脸对齐这个关键问题，有效提升了车辆识别的泛化能力和准确率。
一种基于 mtcnn 对齐方法

[发明专利]一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法-CN201910625987.9有效
发明人：朱顺意;范继辉;瞿明军;李广立;刘雪健;周莉;巩志远;陈建学;杜来民;邓国超;白玥寅;张松;周雨晨 -专利权人：山东领能电子科技有限公司;山东大学;太原理工大学
申请日： 2019-07-11 - 公布日： 2023-06-30 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种在局部复原的模糊图片上基于特征描述子比对的小目标检测方法，属于目标检测技术领域，包括以下步骤：(1)准备车辆数据集，所述车辆数据集包含有经过四点车前窗对齐算法对齐过的模糊车辆图片；(2)使用降噪算法对车辆数据集中的图片进行降噪处理；(3)通过插值函数对图片进行局部超分辨率复原，目标区域为对齐后的前车窗；(4)对复原后的图片进行特征检测，提取特征描述子；(5)通过特征描述子比对判断是否存在小目标。本发明采用局部复原有效减少了计算量，且提高了小目标检测的准确率,为交通领域检测车年检标和安全带的有无提供了一种切实可行的方法。
一种局部复原模糊图片基于特征描述目标检测方法

[发明专利]一种基于目标识别区域截取的车辆颜色识别方法-CN201910626613.9有效
发明人：朱顺意;范继辉;瞿明军;李广立;刘雪健;周莉;巩志远;陈建学;杜来民;邓国超;白玥寅;张松;周雨晨 -专利权人：山东领能电子科技有限公司;山东大学;太原理工大学
申请日： 2019-07-11 - 公布日： 2023-06-16 - 主分类号： G06V20/54 文献下载
摘要：本发明涉及一种基于目标识别区域截取的车辆颜色识别方法，属于车辆颜色识别技术领域，包括获取包含待测车辆的图片；对待测图片进行目标检测，得到待测车辆的图像；对待测车辆提取车窗区域信息，得到前车窗四角的坐标值；去除部分分辨率过低的检测图片；利用车窗、车引擎盖边界的共线性和平行性，截取车辆引擎盖区域作为图片的目标识别区域；对提取的车辆引擎盖区域图像进行饱和度增强处理；用RGB和HSV两套颜色识别模型，对饱和度增强后的车引擎盖图像进行颜色识别，输出最终识别结果。本发明解决了传统车辆颜色识别中，背景、车窗等干扰区域对车身颜色识别产生影响的问题，提升了车辆颜色识别的准确性和鲁棒性。
一种基于目标识别区域截取车辆颜色方法

[发明专利]基于FPGA的硬件感知可微分BERT层头剪枝方法-CN202211294121.2在审
发明人： 白玥寅;王堃;俞军 -专利权人：复旦大学
申请日： 2022-10-21 - 公布日： 2022-12-30 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于FPGA的硬件感知可微分BERT层头剪枝方法。其包括以下步骤：引入可微分NAS的思路，为预训练好的BERT模型的每一个编码层，每一个注意力头，每一个前馈神经网络FFN维度均设置一个架构参数；对单层BERT模型进行仿真，得到四个模块的时延和功耗结果；计算单维子模块对应的时延Ls分数和功耗Ps分数；计算完整模型的Lf分数和Pf分数；训练更新模型的权重参数和，最小化完整的loss；模型训练收敛后，对于小于阈值的，将其对应的模型结构剪枝掉。本发明可在没有精度损失的情况下，将BERT‑base模型参数量压缩1.8倍，同时在FPGA上的推理时延缩小2.1倍，功耗降低1.9倍。
基于 fpga 硬件感知微分 bert 剪枝方法

[发明专利]一种基于人体骨骼关键点分割和列卷积的行人重识别方法-CN201910625438.1有效
发明人：范继辉;周莉;杜来民;邓国超;白玥寅;张松;朱顺意;巩志远;陈建学;周雨晨 -专利权人：山东大学;山东领能电子科技有限公司;太原理工大学
申请日： 2019-07-11 - 公布日： 2022-12-27 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及一种基于人体骨骼关键点分割和列卷积的行人重识别方法，包括：(1)准备行人数据集；(2)将训练集送入网络A，得到上半身图片信息和下半身图片信息，上半身图片信息是指包含有行人上半身信息的高维矩阵X，下半身图片信息是指包含有行人下半身信息的高维矩阵Y；(3)将高维矩阵X送入网络B；(4)将高维矩阵Y送入网络C；(5)使用测试集验证,进行结果检测。本发明基于人体骨骼关键点的区域分割能更准确地将人体各部分区分开来，能更有效的进行人体部件对齐，能够有效提高模型的鲁棒性。本发明能使图中像素行和行之间能够传递信息，有效地提高目标识别率。
一种基于人体骨骼关键分割卷积行人识别方法

[发明专利]一种多神经网络框架间的快速模型验证方法-CN201910751846.1在审
发明人：朱顺意;范继辉;巩志远;褚国建;陈建学;张松;杜来民;邓国超;白玥寅;周雨晨 -专利权人：山东领能电子科技有限公司
申请日： 2019-08-15 - 公布日： 2020-01-10 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种多神经网络框架间的快速模型验证方法，属于计算机视觉技术领域，所述方法包括以下步骤:(1)搭建pytorch框架环境，导入torch、torch.nn库。(2)基于pytorch框架环境搭建神经网络模型并进行调试，生成格式为.pth的文件。(3)使用torch与caffe间的转换工具，将格式为.pth的文件转换为格式为.caffemodel及prototxt的caffe框架下的文件。(4)搭建caffe框架环境，并验证转换后的文件是否正常运行。(5)验证该模型在实际应用中的可行性。本发明降低了神经网络的开发与调试难度，有效缩短了神经网络模型的研发和应用周期。
神经网络模型神经网络验证计算机视觉技术研发和应用调试难度环境搭建快速模型文件转换转换工具调试转换应用开发

[发明专利]一种基于人体骨骼关键点检测和非均等分区的行人重识别方法-CN201910626212.3在审
发明人：范继辉;周莉;杜来民;邓国超;白玥寅;张松;朱顺意;巩志远;陈建学;周雨晨 -专利权人：山东大学;山东领能电子科技有限公司;太原理工大学
申请日： 2019-07-11 - 公布日： 2019-10-15 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于人体骨骼关键点检测和非均等分区的行人重识别方法，包括步骤如下：(1)准备行人数据集，划分为训练集、验证集和测试集,标注训练集；(2)送入ResNet50网络，得到表征人体特征的tensor A；(3)依照人体骨骼区域相对不变性，按人体骨骼关键点对tensor A进行非均匀分区，分别表征人体的头、胸部、腹部、大腿、小腿、脚；(4)分别连接FC层，并用Softmax分类器分类；(5)验证及测试时，将n个特征向量合并计算相似度，实现行人重识别。本发明人体关键点检测和非均等分区的行人重识别方法具有更强的泛化能力和更高的准确性。
人体骨骼关键点检测分区训练集计算相似度人体特征特征向量行人数据不变性测试集非均匀分类器关键点验证集小腿大腿标注腹部送入胸部并用验证测试合并分类网络

[发明专利]一种扩充类别式数据快速标注方法-CN201910626205.3在审
发明人：朱顺意;范继辉;瞿明军;李广立;刘雪健;周莉;巩志远;陈建学;杜来民;邓国超;白玥寅;张松;周雨晨 -专利权人：山东领能电子科技有限公司;山东大学;太原理工大学
申请日： 2019-07-11 - 公布日： 2019-10-15 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种扩充类别式数据快速标注方法，包括以下步骤：(1)获取带有统一标注A的初始数据集；(2)结合已有数据集，将A进一步分为a、b、c等多个子类；(3)选取初始数据集的一部分作为样本，通过人工修改标注文件，快捷地将标注从A重命名为a、b、c等，得到标注样本；(4)基于标注样本，利用神经网络训练模型，将所得模型对初始数据集中剩余的数据进行预标注，得到预标注数据；(5)对预标注数据进行人工微调，保证所涉及数据标签全部准确，基于初始数据与微调数据对模型训练优化，基于更多标注样本训练更优模型，最终准确地标注全部数据，提高标注效率；本发明能满足快速、准确地标注的需求，更好地服务于实际应用。
标注样本初始数据集初始数据神经网络训练标注文件模型训练人工微调数据标签样本训练数据集微调应用优化保证统一服务

[发明专利]一种基于分枝神经网络的多特征细粒度的目标分类方法-CN201910627057.7在审
发明人：朱顺意;范继辉;瞿明军;李广立;刘雪健;周莉;巩志远;陈建学;杜来民;邓国超;白玥寅;张松;周雨晨 -专利权人：山东领能电子科技有限公司;山东大学;太原理工大学
申请日： 2019-07-11 - 公布日： 2019-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于分枝神经网络的多特征细粒度的目标分类方法，属于目标分类领域，包括：(1)准备数据集；(2)选择主干神经网络；(3)将数据集送入主干神经网络中，经训练得到能够对复杂特征进行分类的模型，实现对数据相应特征的分类；(4)在主干神经网络中增加多个分枝神经网络，细化数据集，再次训练得到模型，借助该模型实现对细粒度特征的提取和分类；(5)对主干神经网络和多个分枝神经网络的输出增设权重，最终输出主干神经网络和多个分枝神经网络的加权结果，实现多特征细粒度目标分类功能。本发明在对主干神经网络增设分支神经网络，无需完全重置网络即可实现多特征细粒度的目标分类功能，可以更好地满足实际需求。
神经网络目标分类细粒度主干分枝数据集分类增设输出复杂特征加权结果模型实现实际需求权重细化重置送入网络

1
共 9 条