“章立早”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49个，建议您升级VIP下载更多相关专利

[发明专利]基于通道感知的手势图像特征融合方法-CN202110297521.8有效
发明人：岳金鸿;田秋红;吴佳璐;符悦成;章立早 -专利权人：浙江理工大学
申请日： 2021-03-19 - 公布日： 2023-10-17 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于通道感知的手势图像特征融合方法。本发明包括如下步骤：1对原始手势图像进行预处理，获得手势图像；2手势图像输入到不同的卷积神经网络，分别获得高阶特征张量和低阶特征张量；3对高阶特征张量进行处理，获得通道压缩后的高阶特征张量；对低阶特征张量进行处理，获得通道扩增后的低阶特征张量；4将步骤3中获得的特征张量进行拼接融合，得到包含高低阶特征的特征张量；5将包含高低阶特征的特征张量输入到SE‑Net模块中，得到标定后的特征张量；6将标定后的特征张量输入到分类器中，得到分类结果。本发明能够提取手势图像的高低阶特征并进行组合，得到精确描述手势的特征张量，并通过其特征实现对手势图像的精确识别。
基于通道感知手势图像特征融合方法

[发明专利]基于特征融合注意力模块和特征选择的手势图像分类方法-CN202111098535.3有效
发明人：田秋红;孙文轩;张元奎;吴佳璐;章立早 -专利权人：浙江理工大学
申请日： 2021-09-18 - 公布日： 2023-09-26 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于特征融合注意力模块和特征选择的手势图像分类方法。包括如下步骤：1对原始手势图像进行预处理；2将手势图像输入VGG16和ResNet50中，分别获得高阶和低阶特征张量；3将高阶与低阶特征张量同时输入特征融合注意力模块，特征注意力模块包括低阶特征增强模块、高阶特征增强模块和高低阶特征同步增强模块；4将融合后得到的特征张量输入SK‑Net模块中，得到特征选择后的特征张量；5将特征选择后的特征张量输入分类器中进行分类，得到手势图像的分类结果。本发明使用特征融合注意力模块分别对高阶特征和低阶特征进行增强与融合，得到精确描述手势的特征张量，最终通过特征选择实现对手势图像的精确识别。
基于特征融合注意力模块选择手势图像分类方法

[发明专利]一种基于时空双流特征融合的动态手语识别方法-CN202310296020.7在审
发明人： 章立早;田秋红;施之翔;杨子瑜 -专利权人：浙江理工大学
申请日： 2023-03-24 - 公布日： 2023-07-28 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于时空双流特征融合的动态手语识别方法。具体步骤为：1)从手语视频数据集中获取多个手语视频，并对所有手语视频进行手语标类，之后将每个手语视频进行预处理后获得图像序列，将所有预处理后的图像序列分为训练集和测试集；2)构建用于动态手语识别的神经网络模型，神经网络模型包括五个时间卷积模块、六个空间卷积模块、一个池化模块、一个多维整合模块和两个平均池化层；3)将训练集输入步骤2)构建的神经网络模型中进行训练4)将待识别的手语视频进行预处理，之后输入训练好的神经网络模型进行手语识别，并输出分类识别结果。本发明针对动态手势识别特点进行设计，可以有效提升动态手语识别的准确率。
一种基于时空双流特征融合动态手语识别方法

[发明专利]基于FractalNet网络改进的手势图像特征提取方法-CN202111247741.6在审
发明人： 章立早;田秋红;岳金鸿 -专利权人：浙江理工大学
申请日： 2021-10-26 - 公布日： 2023-03-21 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于FractalNet网络的改进手势图像特征提取方法。手势图像采集并尺寸归一化；原始手势图像输入R‑FractalNet1网络结构得原始特征向量；原始特征向量和原始手势图像输入空间特征金字塔结构得多尺度特征；原始特征向量输入到R‑FractalNet2网络结构得低阶特征向量；多尺度特征和低阶特征向量通道拼接后输入R‑FractalNet3网络结构输出高维特征向量，高维特征向量经全局平均池化层、全连接层、softmax分类器得分类。本发明包含大量残差模块，保护信息完整性，简化了学习目标和难度，能够效地缩短了梯度传播路径，避免了过拟合，提高了识别准确率。
基于 fractalnet 网络改进手势图像特征提取方法

[发明专利]基于P2CS_3DNet的行为识别方法-CN202211347619.0在审
发明人：田秋红;潘豪;章立早;施之翔 -专利权人：浙江理工大学
申请日： 2022-10-31 - 公布日： 2022-12-27 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于P2CS_3Dnet的行为识别方法。包括步骤:读取数据集视频动作，获取视频标签；通过等差采样的方式对每个视频进行视频帧提取，对提取的视频帧进行尺寸归一化处理；将视频帧输入P2C_1Net网络进行视频动作的低层特征提取，实现对时间信息的有效提取；再输入P2C_2Net网络中进行高层特征提取，有效提取到空间上的特征，并加强该特征，减少参数量加快运行时间；将提取的特征输入进CSENet注意力模型，在完成特征压缩和特征激励的同时还能对特征进行逐步卷积，实现对局部特征的关注；最后融入残差模块进行视频低层特征信息和高层特征信息的融合，融合后的特征经输出层输出后，得到视频的动作分类结果。
基于 p2cs_3dnet 行为识别方法

[发明专利]一种改进Inception-v3网络的手势图像识别方法-CN202210084065.3在审
发明人：邓志军;田秋红;章立早 -专利权人：浙江理工大学
申请日： 2022-01-21 - 公布日： 2022-11-04 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种改进Inception‑v3网络的手势图像识别方法。方法包括：获得原始手势图像数据集；将Inception‑v3网络进行整体改进，搭建改进后的网络；将原始手势图像数据集输入改进后的网络和Upsampling网络中处理，将原始特征向量组输入卷积归一化网络中处理，并进行特征融合获得融合特征向量组，再输入分类网络中处理输出各种手势图像的分类结果。本发明按照并联拼接的方式构建了多种改进Inception‑v3网络结构，能结合残差和批量正则化的方式，简化了学习目标和难度，避免了过拟合；并且通过使用CBAM注意力机制，能够有效的提取图像特征，提高了识别准确率。
一种改进 inception v3 网络手势图像识别方法

[发明专利]基于DC-Res2Net和特征融合注意力模块的手势图像分类方法-CN202210672523.5在审
发明人：田秋红;孙文轩;张元奎;潘豪;章立早;阮琼露 -专利权人：浙江理工大学
申请日： 2022-06-14 - 公布日： 2022-11-01 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了基于特征融合注意力模块和特征选择的手势图像分类方法。方法为首先使用已知数据集中的手势图像作为手势图像，并获取手势图像的类别标签，对手势图像进行尺寸归一化处理获得训练集；然后构建卷积神经网络，卷积神经网络包括特征提取模块、特征融合注意力模块和分类器；再将训练集输入卷积神经网络进行训练；最后将待分类的手势图像输入到训练好的卷积神经网络中进行手势图像分类，得到分类结果。本发明使用DC‑Res2Net模块和SK‑Net模块结合精确提取出手势图像的高阶特征和低阶特征，利用特征融合注意力模块增强低阶特征并与高阶特征进行融合，通过融合特征实现对手势图像的精确识别。
基于 dc res2net 特征融合注意力模块手势图像分类方法

[外观设计]电蚊拍配件-CN202230269307.7有效
发明人： 章立早 -专利权人：中山华园光电科技有限公司
申请日： 2022-05-09 - 公布日： 2022-10-28 - 主分类号： 22-06 文献下载
摘要：1.本外观设计产品的名称：电蚊拍配件。2.本外观设计产品的用途：用于电蚊拍的配件。3.本外观设计产品的设计要点：在于形状。4.最能表明设计要点的图片或照片：设计1立体图。5.指定设计1为基本设计。
电蚊拍配件

[外观设计]吊灯灯体（圆盘飞碟灯）-CN202230268845.4有效
发明人： 章立早 -专利权人：中山华园光电科技有限公司
申请日： 2022-05-09 - 公布日： 2022-10-25 - 主分类号： 26-05 文献下载
摘要：1.本外观设计产品的名称：吊灯灯体（圆盘飞碟灯）。2.本外观设计产品的用途：用于室内照明。3.本外观设计产品的设计要点：在于形状。4.最能表明设计要点的图片或照片：设计1立体图。5.指定设计1为基本设计。
吊灯圆盘飞碟

[实用新型]电蚊拍的电网组件及包含其的电蚊拍-CN202221098981.4有效
发明人： 章立早 -专利权人：中山华园光电科技有限公司
申请日： 2022-05-09 - 公布日： 2022-10-04 - 主分类号： A01M3/02 文献下载
摘要：本实用新型公开了一种电蚊拍的电网组件，其包括：第一电极网、分隔组件以及第二电极网。分隔组件包括为绝缘体的上分隔件和下分隔件，上分隔件和下分隔件分别设置于第一电极网的上下侧。第二电极网设置两个并分别位于上分隔件的上侧以及下分隔件的下侧。下分隔件设置有与上分隔件适配的卡槽，上分隔件安装于卡槽，上分隔件的周面与卡槽的侧壁面形状适配，上分隔件的周面配置为阶梯结构且具有至少三个第一阶梯面，卡槽的侧壁面配置为阶梯结构且具有至少三个第二阶梯面。本实用新型还公开了包括上述电网组件的电蚊拍。上述的结构，可以增大从第一电极网到第二电极网以及到分隔组件周面的爬电距离，对于电极网和分隔组件周面处的电路器件保护较好。
电蚊拍电网组件包含

[实用新型]一种灯座-CN202221104708.8有效
发明人： 章立早 -专利权人：中山华园光电科技有限公司
申请日： 2022-05-09 - 公布日： 2022-10-04 - 主分类号： F21V21/02 文献下载
摘要：本实用新型公开了一种灯座，其包括：座体和灯具连接组件。灯具连接组件设置于座体，灯具连接组件设置有灯具连接部。灯具连接组件通过高度调节结构固定于座体，高度调节结构配置为用于调节灯具连接组件相对于座体的上下位置。上述结构的灯座，使用时，座体安装于天花板，灯具的安装部与灯具连接组件连接从而完成灯具的安装。由于灯具连接组件可以通过高度调节结构实现相对于座体的上下位置调节，从而可以适配不同高度尺寸的灯具的安装部，通用性较好。
一种灯座

[发明专利]一种基于图像信息熵和HOG_SSIM的视频关键帧提取方法-CN202210502178.0在审
发明人：田秋红;张元奎;孙文轩;章立早 -专利权人：浙江理工大学
申请日： 2022-05-09 - 公布日： 2022-08-12 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于图像信息熵和HOG_SSIM的视频关键帧提取方法。该方法提取视频关键帧分为两个步骤：第一个步骤是通过基于图像信息熵初步提取关键帧，主要通过计算视频中每一帧的图像信息熵，形成熵值曲线图，找到熵值曲线图中的局部极值点，将局部极值点对应的视频帧加入到候选关键帧集合中；第二个步骤是去除候选关键帧集合中的冗余帧，通过结构相似度算法和HOG特征相似度算法对相邻候选关键帧进行筛选，从而去除候选关键帧集合中的冗余帧，完成视频关键帧的提取。
一种基于图像信息 hog_ssim 视频关键提取方法

[发明专利]一种基于注意力机制的静态手势识别方法-CN202210369236.7在审
发明人： 章立早;田秋红;王捷 -专利权人：浙江理工大学
申请日： 2022-04-08 - 公布日： 2022-07-01 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于注意力机制的静态手势识别方法。手势图像采集并尺寸归一化；将原始手势图像输入基准网络的第一层；将第一阶特征向量分别输入手势细节注意力模块和基准网络的第二层，将第二阶特征向量和手势细节注意力模块的输出进行融合，并将其输入第一通道注意力模块；第一通道注意力模块的输出输入基准网络的第三层；将第一阶特征向量和通道注意力模块的输出输入手势主体注意力模块；将手势主体注意力模块的输出和第三阶特征向量融合后输入第二通道注意力模块；第二通道注意力模块输入剩余基准网络和softmax分类器，获得手势图像的分类结果。本发明针对静态手势识别特点而设计，可以解决少训练集条件下的模型准确率不高的问题。
一种基于注意力机制静态手势识别方法

[发明专利]基于Xception网络改进的手势图像特征提取方法-CN202210368014.3在审
发明人：周梓豪;田秋红;章立早;阮琼璐;王捷 -专利权人：浙江理工大学
申请日： 2022-04-08 - 公布日： 2022-06-10 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于Xception网络改进的手势图像特征提取方法。对手势采集获得原始手势图像；输入降采样卷积模块和常规卷积模块中降低维度和提取浅层特征；浅层特征张量输入深层特征提取结构提取深层特征，特征金字塔结构融合深层特征提取结构中浅层和深层包含的空间信息和语义信息，融合后通过深度可分离卷积模块进行解耦，再通过压缩激励模块和局部最大池化层；最后经过深度可分离卷积模块、分类模块得分类结果。本发明通过密集深度可分离卷积模块提高手势识别的准确率并减少模型的计算量，特征金字塔结构有助于融合多尺度特征，压缩激励模块能够强化重要特征，抑制次要特征，有效提高手势的识别率。
基于 xception 网络改进手势图像特征提取方法

[发明专利]基于DAMR_3DNet的动作识别方法-CN202111113825.0在审
发明人：田秋红;张元奎;孙文轩;章立早 -专利权人：浙江理工大学
申请日： 2021-09-23 - 公布日： 2021-12-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于DAMR_3DNet的动作识别方法。首先对每个动作类别进行预处理，读取动作视频，获取类别标签；其次对每个动作视频进行预处理，采用D‑3Dnet模块提取动作视频的低层时空特征，将3D卷积解耦为时间维度上的一维卷积和空间维度上的二维卷积；本发明设计的注意力机制模块，能够关注到对最终预测分类起到作用的通道特征信息和空间位置信息，提高模型分类的性能，最后融入的3D Residual Module不仅能够进一步提取高层时空特征，而且输出特征融合了高低层时空特征信息，从而使得网络能够充分的利用高低层特征信息，并且引入的残差结构能够有效的解决因为增加网络的层数而带来的梯度消失问题。
基于 damr_3dnet 动作识别方法

1
2
3
4
下一页»
尾页
共 49 条