“赖剑煌”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95个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多尺度特征融合的工业表面缺陷检测方法-CN202011579530.8有效
发明人： 赖剑煌;郭彤彤;李中华 -专利权人：中山大学
申请日： 2020-12-28 - 公布日： 2023-10-20 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于多尺度特征融合的工业表面缺陷检测方法，该方法包括：获取训练样本并对训练样本进行预处理，得到训练样本数据；基于小卷积核构建分割网络并根据训练样本数据对分割网络进行训练，得到训练完成的分割网络；基于小卷积核构建分类网络并根据训练样本数据对分类网络进行训练，得到训练完成的分类网络；基于训练完成的分割网络和训练完成的分类网络对待测样本进行检测，得到检测结果；所述训练完成的分割网络包括低层特征提取模块、高层特征提取模块和多尺度特征融合模块。本发明在保证检测准确率的情况下，减少计算量。本发明作为一种基于多尺度特征融合的工业表面缺陷检测方法，可广泛应用于工业缺陷检测领域。
一种基于尺度特征融合工业表面缺陷检测方法

[发明专利]一种基于边缘增强的图像去模糊方法-CN202011492603.X有效
发明人：谢晓华;黄俊嘉;赖剑煌 -专利权人：中山大学
申请日： 2020-12-17 - 公布日： 2023-10-20 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于边缘增强的图像去模糊方法，该方法包括：获取运动模糊图像并基于边缘提取算法对运动模糊图像进行处理，得到运动模糊图像边缘；将运动模糊图像和运动模糊图像边缘输入到预设的去模糊神经网络进行特征提取和特征融合，得到去模糊图像。本发明在保证去模糊质量的情况下，减少模型推导时间和模型参数数量。本发明作为一种基于边缘增强的图像去模糊方法，可广泛应用于图像处理领域。
一种基于边缘增强图像模糊方法

[发明专利]基于置信度自适应和差分增强的视频显著物体检测方法-CN202110085715.1有效
发明人： 赖剑煌;陈培佳 -专利权人：中山大学
申请日： 2021-01-22 - 公布日： 2023-10-10 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于置信度自适应和差分增强的视频显著物体检测方法，所述方法输入一对原图和光流图，编码器分别提取不同层级的空间特征和时间特征；提取到的同一层级的空间特征和时间特征被送入置信度自适应模块中进行重新校正，使得有用信息被传递，噪声信息被抑制；然后，差分信息增强模块利用差分信息对重新校正后的空间特征和时间特征进行互补增强并得到融合特征；在不同层级的融合特征经过解码器层层上采样，最终得到显著物体图。提出的差分信息增强模块通过提取差分信息增强了空间信息和时间信息完整表示显著物体的能力，有利于模型完整地分割出显著物体。
基于置信自适应增强视频显著物体检测方法

[发明专利]一种基于实例分割和图像修复的带遮挡行人重识别方法-CN202110254662.1有效
发明人： 赖剑煌;何智通 -专利权人：中山大学
申请日： 2021-03-09 - 公布日： 2023-09-29 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于实例分割和图像修复的带遮挡行人重识别方法，该方法包括：获取待查图像并对待查图像进行实例分割和图像修复处理，得到修复后行人图像；基于预训练的实例分割模型对行人图像库中的行人图像进行实例分割，得到分割后行人图像；分别对修复后行人图像和分割后行人图像进行特征提取并将提取的特征进行相似性度量，检索得到同一行人的其他图像。本发明方法通过对行人缺失部位进行检测并修复的方式，提供更大区域更加完整的行人信息，帮助后续网络获得更具判别性的特征表示，从而提高行人重识别效果。本发明作为一种基于实例分割和图像修复的带遮挡行人重识别方法，可广泛应用于行人重识别领域。
一种基于实例分割图像修复遮挡行人识别方法

[发明专利]基于弱监督和度量学习的行人属性识别方法-CN202110994829.8有效
发明人：谢晓华;彭其阳;杨凌霄;赖剑煌;冯展祥 -专利权人：中山大学
申请日： 2021-08-27 - 公布日： 2023-09-08 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于弱监督和度量学习的行人属性识别方法，包括：获取原始数据集；基于原始数据集中的属性标签信息训练属性感兴趣区域定位网络，得到训练完成的属性感兴趣区域定位网络；以训练完成的属性感兴趣区域定位网络的参数作为行人属性识别网络预训练参数，基于原始数据集对行人属性识别网络进行训练，得到训练完成的属性识别网络；输入待测图像并基于训练完成的属性识别网络进行属性识别，得到属性识别结果。本发明在行人属性识别上具备较好的性能。本发明可广泛应用于图像属性识别领域。
基于监督度量学习行人属性识别方法

[发明专利]一种基于重加权膜电压的卷积脉冲神经网络的训练方法-CN202011520139.0有效
发明人： 赖剑煌;唐建雄;谢晓华 -专利权人：中山大学
申请日： 2020-12-21 - 公布日： 2023-08-18 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于重加权膜电压的卷积脉冲神经网络的训练方法，该方法包括：获取输入图像并进行预处理，得到脉冲序列；基于重加权膜电压构建卷积脉冲神经网络的脉冲神经元；根据输入图像的规模设置卷积脉冲神经网络的网络层数；对脉冲神经元的输入刺激进行归一化处理；构建损失函数并基于时空反向传播算法对卷积脉冲神经网络进行训练；将脉冲序列输入到训练完成的卷积脉冲神经网络，得到输出结果。本发明可直接计算脉冲神经元的输出关于膜电压的梯度,且梯度会根据累积的膜电压值动态调整，改善了SNN训练过程中梯度不匹配问题。本发明作为一种基于重加权膜电压的卷积脉冲神经网络的训练方法，可广泛应用于脉冲神经网络领域。
一种基于加权电压卷积脉冲神经网络训练方法

[发明专利]一种基于多模态人脸训练的单模态人脸活体检测方法-CN202110946632.7有效
发明人： 赖剑煌;张权 -专利权人：中山大学
申请日： 2021-08-18 - 公布日： 2023-08-15 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于多模态人脸训练的单模态人脸活体检测方法，包括：获取输入数据并基于输入数据训练预构建的生成对抗网络，得到训练完成的生成对抗网络，所述预构建的生成对抗网络包括生成器和判别器；基于训练完成的生成对抗网络合成数据集并训练类多模态人脸活体检测模型，得到训练完成的类多模态人脸活体检测模型；获取单模态待测图像；基于生成对抗网络将单模态待测图像扩展为多模态人脸图像，并输入至练完成的多模态人脸活体检测模型进行判别。本发明提高传统单模态人脸活体检测模型性能的同时，还降低了实际场景下的硬件成本。本发明作为一种基于多模态人脸训练的单模态人脸活体检测方法，可广泛应用于计算机视觉领域。
一种基于多模态人脸训练单模态人脸活体检测方法

[发明专利]一种基于单阶段多任务协同学习的人像抠图方法及系统-CN202011393907.0有效
发明人：赖贤城;谢晓华;赖剑煌 -专利权人：中山大学
申请日： 2020-12-03 - 公布日： 2023-08-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于单阶段多任务协同学习的人像抠图方法及系统，该方法包括：获取数据集并对数据集进行预处理，得到训练人像图、对应的透明度图和对应的三元图；将训练人像图输入到预构建抠图模型，生成训练的三元图和训练的透明度图；损失计算并更新预构建抠图模型的参数，得到训练完成的抠图模型；获取待测图像并输入到训练完成的抠图模型，得到人像前景图。该系统包括：数据预处理模块、训练模块、参数更新模块和预测模块。通过使用本发明，解决现有技术中抠图阶段容易由三元图阶段的错误导致抠图阶段的预测错误。本发明作为一种基于单阶段多任务协同学习的人像抠图方法及系统，可广泛应用于图像抠图领域。
一种基于阶段任务协同学习人像方法系统

[发明专利]基于垂直俯视角的行人标注、检测和性别识别方法-CN202011632272.5有效
发明人：谢晓华;林民钊;赖剑煌 -专利权人：中山大学
申请日： 2020-12-31 - 公布日： 2023-08-15 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于垂直俯视角的行人标注、检测和性别识别方法，包括：获取视频并基于视频得到视频帧的垂直俯视角图像；基于视频标注方法对垂直俯视角图像进行标注，得到行人旋转全身框；基于行人旋转全身框构建行人轨迹并对行人轨迹进行性别属性标注，得到带标签的行人旋转全身框；基于行人旋转全身框对预构建的行人检测网络进行训练，得到行人检测模型；基于带标签的行人旋转全身框对预构建的行人性别识别网络进行训练，得到行人性别识别模型。本发明基于垂直俯视角的情况下不会涉及行人的身份特征，能很好地保护行人隐私。本发明作为一种基于垂直俯视角的行人标注、检测和性别识别方法，可广泛应用于行人检测领域。
基于垂直俯视行人标注检测性别识别方法

[发明专利]一种基于多任务学习的表面缺陷检测方法-CN202010412507.3有效
发明人： 赖剑煌;康丹青;吴凯;朱俊勇 -专利权人：中山大学
申请日： 2020-05-15 - 公布日： 2023-06-06 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于多任务学习的表面缺陷检测方法，包括：获取具有标注信息的输入图像并将输入图像分为训练集图像和测试集图像；对训练集图像进行剪切，得到缺陷实例并对缺陷实例进行增强，得到增强图像；构建表面缺陷检测网络并将测试集图像和增强图像输入表面缺陷检测网络，得到表面缺陷数据。通过使用本发明，可解决缺陷样本不足问题的同时提高工业缺陷检测的速度和精度。本发明作为一种基于多任务学习的表面缺陷检测方法，可广泛应用于工业视觉缺陷检测领域。
一种基于任务学习表面缺陷检测方法

[发明专利]一种基于生成对抗网络的漫画人物身份识别方法-CN201911399669.1有效
发明人： 赖剑煌;程海杰 -专利权人：中山大学
申请日： 2019-12-30 - 公布日： 2023-05-12 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于生成对抗网络的漫画人物身份识别方法，包括：获取真实行人和漫画行人图片，建立包含真实行人的检索库和包含漫画行人的查询库；构建人脸检测对齐模型，对检索库和查询库中的图片进行人脸检测对齐；构建漫画生成模型，将真实行人和人脸转换成对应的漫画图片；构建漫画人物身份识别模型，提取检索库和查询库中图片的融合特征，计算漫画行人和真实行人融合特征间的相似度分数；计算漫画行人融合特征间的相似度分数，利用漫画行人间的相似度分数对漫画行人与真实行人间的相似度分数进行重排序，设定阈值获取查询库中漫画行人在检索库中所对应的真实行人。本发明对漫画人物身份识别具有精度高、速度快的优点。
一种基于生成对抗网络漫画人物身份识别方法

[发明专利]一种基于深度特征正交分解的可见光-近红外行人再识别方法-CN202010489943.0有效
发明人： 赖剑煌;张权 -专利权人：中山大学
申请日： 2020-06-02 - 公布日： 2023-05-12 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于深度特征正交分解的可见光‑近红外行人再识别方法，包括：获取训练图像集并提取图像特征，得到全局特征和模态特征；根据全局特征和模态特征进行柱坐标系的特征分解，得到行人身份特征和视角特征；对行人身份特征、视角特征和模态特征计算特征损失函数并根据特征损失函数优化训练模型；基于训练模型对输入图像进行识别。通过使用本发明，可解决现实应用场景中常见的识别率下降的问题，提高行人再识别方法模型的抗干扰和自适应的能力。本发明作为一种基于训练模型对输入图像进行识别方法，可广泛应用于计算机视觉领域。
一种基于深度特征正交分解可见光红外行人识别方法

[发明专利]一种基于深度表示学习跟动态匹配的行人再识别方法-CN201911266339.5有效
发明人：谢晓华;宋展仁;赖剑煌 -专利权人：中山大学
申请日： 2019-12-11 - 公布日： 2023-05-09 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于深度表示学习跟动态匹配的行人再识别方法，用于判别在不同时间或者区域的行人身份。包括：构建特征提取模型，用于提取全局、局部特征，利用全局特征、局部特征进行联合学习；实现不同行人局部特征之间的动态匹配，使用三元组损失函数进行学习模型；取检索库和查询库中行人图片的全局特征，计算查询库行人和检索库行人的全局特征间的相似度分数，并利用相似度分数进行排序，获取查询库中行人在检索库中所对应的行人。本发明利用全局特征跟局部特征进行联合学习，其中实现了局部特征之间的对齐，这样使得模型学习到的全局特征同时关注了局部信息跟全局信息。缓解了行人再识别中的局部不对齐问题，提升了模型再识别的性能。
一种基于深度表示学习动态匹配行人识别方法

[发明专利]基于双目视觉的高低分辨率融合立体匹配方法-CN201911173401.6有效
发明人： 赖剑煌;陈家鑫;谢晓华 -专利权人：中山大学
申请日： 2019-11-26 - 公布日： 2023-05-09 - 主分类号： G06T7/55 文献下载
摘要：本发明公开了一种基于双目视觉的高低分辨率融合立体匹配方法，包括步骤：输入左右两张高分辨率图片和立体匹配的参数；图像进行预处理，计算左右图中视差搜索范围内的每一对像素点的视差代价，得到视差代价矩阵；视差代价矩阵下采样，得到降维后的视差代价矩阵；降维后的视差代价矩阵进行视差代价聚合，得到最佳匹配点；根据最佳匹配点进行匹配，得到视差图。本发明在预处理和视差代价计算步骤使用清晰的高分辨率图片，可得到准确的视差代价，在视差代价聚合和后处理步骤按照低分辨率图片的流程处理，可减少计算所需的时间。本发明通过立体匹配的准确率测试和耗时测试，表明本方法在准确率和耗时方面相较于现有技术，具有既准确又耗时少的优点。
基于双目视觉高低分辨率融合立体匹配方法

[发明专利]一种自动驾驶图像语义分割优化方法-CN202010311647.1有效
发明人： 赖剑煌;郭彤彤;李中华 -专利权人：中山大学
申请日： 2020-04-20 - 公布日： 2023-04-18 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种自动驾驶图像语义分割优化方法，该方法设计了一种使用标签来辅助激活的AAM模块，通过分割标签对网络提取的特征进行修正，使得同类物体提取出来的特征具有近似相同的值。将AAM模块集成到分割模型的编码器与解码器中间，通过训练得到一个性能比基准模型更好的模型，称为教师网络；通过知识迁移将教师网络基于AAM模块的所学知识迁移到分割模型中，从而提升其分割性能。本发明能够很好地挖掘分割标签的信息来提高分割模型的性能，并且无需修改网络结构，具有很强的应用价值。
一种自动驾驶图像语义分割优化方法

1
2
3
4
5
6
7
下一页»
尾页
共 95 条