“阎刚”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82个，建议您升级VIP下载更多相关专利

[发明专利]图像描述文本的生成方法、装置、电子设备及存储介质-CN202310823910.9在审
发明人：孔任龙;曲寒冰;王鑫轩;朱成博;阎刚 -专利权人：河北工业大学;北京市新技术应用研究所有限公司
申请日： 2023-07-06 - 公布日： 2023-10-03 - 主分类号： G06V10/80 文献下载
摘要：本公开提供了一种图像描述文本的生成方法，包括：对目标图像的网格特征进行处理，构建关于目标图像的多个伪区域特征，其中伪区域特征用于表征目标图像的局部视觉信息；分别对网格特征和伪区域特征进行编码增强处理，获得融合有多层图像编码结果的网格增强特征和融合有多层局部编码结果的伪区域增强特征；以及对网格增强特征和伪区域增强特征进行语义解析，生成用于表征目标图像中视觉信息的图像描述文本。本公开还提供了一种图像描述文本的生成装置、电子设备及存储介质。
图像描述文本生成方法装置电子设备存储介质

[发明专利]基于双生成对抗网络的两阶段表情动画生成方法-CN202010621885.2有效
发明人：郭迎春;王静洁;刘依;朱叶;郝小可;于洋;师硕;阎刚 -专利权人：河北工业大学
申请日： 2020-07-01 - 公布日： 2023-08-25 - 主分类号： G06T13/40 文献下载
摘要：本发明为基于双生成对抗网络的两阶段表情动画生成方法，该方法首先在第一阶段中利用表情迁移网络FaceGAN提取目标表情轮廓图中的表情特征，并将其迁移到源人脸，生成第一阶段预测图；第二阶段中利用细节生成网络FineGAN来作为补充丰富第一阶段预测图中的对表情变化贡献比较大的眼睛和嘴巴区域的细节，生成细粒度的第二阶段预测图并合成人脸视频动画，表情迁移网络FaceGAN及细节生成网络FineGAN均采用生成对抗网络实现。本申请提出两阶段生成对抗网络进行表情动画生成，第一阶段进行表情的转换，第二阶段进行图像细节的优化，通过掩模向量提取图像的指定区域，进行着重优化，同时结合局部判别器的使用，使重要部位生成效果更佳。
基于双生成对网络阶段表情动画生成方法

[发明专利]一种多视图的行人属性识别方法-CN202310423403.6在审
发明人：于洋;刘龙龙;朱叶;郝小可;郭迎春;师硕;阎刚;吕华 -专利权人：河北工业大学
申请日： 2023-04-20 - 公布日： 2023-07-14 - 主分类号： G06V10/774 文献下载
摘要：本发明为一种多视图的行人属性识别方法，从语义相关性、区域相关性以及语义区域之间的相关性三个视图识别属性，使用语义图卷积学习语义相关性，使用视觉图卷积学习区域相关性，联合语义关联图和视觉关联图构建合成图，通过合成图图卷积来学习语义与区域相关性，利用融合两图特征信息的嵌入图间边预测属性。对于损失函数而言，传统的方法都对所有数据集采用相同的加权策略，导致在某个数据集上的权重过重和过轻，本方法对不同的数据集采用不同的损失函数加权方式，对不同的数据集有效地缓解属性不平衡问题。
一种视图行人属性识别方法

[发明专利]基于特征细化自监督学习的广义零样本图像分类方法-CN202211568665.3在审
发明人：郭迎春;张玉;朱叶;于洋;师硕;吕华;阎刚;刘依 -专利权人：河北工业大学;天津农学院
申请日： 2022-12-08 - 公布日： 2023-05-16 - 主分类号： G06V10/764 文献下载
摘要：本发明为基于特征细化自监督学习的广义零样本图像分类方法，该方法引入自监督学习任务，为SwinTransformer网络添加了两个分类头，主要用于解决对可见类别的偏见问题。通过旋转角度分类任务和对比学习任务，增强了视觉特征定位，加强了视觉特征和语义信息的相关性，同时为了进一步缓解偏见问题，在训练样本构建中为未见类生成伪标签，从而将GZSL任务设置为直推式学习。
基于特征细化监督学习广义样本图像分类方法

[发明专利]基于深度网络的视频显著性检测方法-CN202010266351.2有效
发明人：于明;夏斌红;刘依;郭迎春;郝小可;朱叶;师硕;于洋;阎刚 -专利权人：河北工业大学
申请日： 2020-04-07 - 公布日： 2023-04-18 - 主分类号： G06V20/40 文献下载
摘要：本发明基于深度网络的视频显著性检测方法，涉及图像数据处理领域,该方法是先用ResNet50深度网络来取空间特征，然后再提取时间和边缘信息来共同得到显著性预测结果图，完成基于深度网络的视频显著性检测，步骤是，输入视频帧I，进行预处理；提取视频帧I′的初始空间特征图S；获得五个尺度的空间特征图Sfinal；获得特征图F；获得粗略的时空显著图YST和显著性物体的边缘轮廓图Et；获得最终的显著性预测结果图Yfinal；计算对于输入视频帧I的损失，完成基于深度网络的视频显著性检测。本发明克服了现有技术视频显著性检测中存在的显著目标检测不完整、当前景背景颜色相似时算法检测不准确的缺陷。
基于深度网络视频显著检测方法

[发明专利]多站点无监督域自适应的医学影像分类方法-CN202211437649.0在审
发明人：郝小可;温鹏;王晓芳;阎刚;甄时伟;王静怡;李家旺 -专利权人：河北工业大学
申请日： 2022-11-17 - 公布日： 2023-02-24 - 主分类号： G06T7/00 文献下载
摘要：本发明为一种多站点无监督域自适应的医学影像分类方法，首先获取多站点的医学影像样本，并对样本进行预处理，得到样本的特征向量；再选取一个站点的样本作为目标域数据，其余站点的样本均作为源域数据，将源域各个站点样本的特征向量进行堆叠构建源域特征矩阵，并对源域和目标域特征矩阵进行筛选，提取关键特征信息；然后，构建分类器，并以对齐多个源域与单个目标域的特征分布为优化目标构建目标函数；最后，对分类器进行迭代优化，直至目标函数收敛，获取最优分类器参数。该方法采用域自适应方法对齐多个源域与单个目标域数据之间的特征分布，以消除各个源域与目标域数据之间的分布差异，在分类器优化过程中同时计算源域数据向目标域数据迁移学习过程中各个源域的贡献程度，在样本有限的情况下也具有较高的分类精度。
站点监督自适应医学影像分类方法

[发明专利]一种小目标复制-粘贴篡改图像的盲取证方法-CN202211256497.4在审
发明人：朱叶;上官彦君;阎刚;郭迎春;郝小可;师硕;刘依;于洋 -专利权人：河北工业大学
申请日： 2022-10-14 - 公布日： 2023-01-17 - 主分类号： G06T3/40 文献下载
摘要：本发明为一种小目标复制‑粘贴篡改图像的盲取证方法，阶段一，对输入图像进行预处理，利用残差超分网络提取预处理的输入图像的残差特征，并将残差特征进行超分，得到超分图像；阶段二，首先对篡改图像进行预处理，将预处理的篡改图像输入到训练后的残差超分网络中，得到残差特征和超分图像；接着提取超分图像的频域特征，再对频域特征与残差特征进行融合，得到跨域特征，并从跨域特征中提取多尺度特征；最后，通过卷积操作和上采样操作得到多尺度特征的预测掩膜，各个预测掩膜分别经过卷积操作变为同一维度后再逐点相加，得到预测分割图，完成盲取证。将篡改图像超分为高分辨率图像，提高网络对小目标的识别能力；充分利用篡改图像中的频域信息获取篡改伪影，提高网络对篡改区域的检测能力。
一种目标复制粘贴篡改图像取证方法

[发明专利]一种基于掩膜去噪和特征选择的人脸属性编辑方法-CN202211331208.2在审
发明人：郭迎春;郭飞;郝小可;于洋;师硕;朱叶;阎刚;吕华 -专利权人：河北工业大学
申请日： 2022-10-28 - 公布日： 2022-12-30 - 主分类号： G06V10/20 文献下载
摘要：本发明为一种基于掩膜去噪和特征选择的人脸属性编辑方法，该方法针对人脸属性编辑，设计的掩膜去噪模块能够在生成注意力掩膜的时候只生成与要更改属性有关的掩膜，而去除掉一些包含人脸信息的背景掩膜，能够很好的完成属性编辑的任务并同时保留非编辑区域的一致性；设计的特征选择单元能够在特征层面上筛选图像的特征，保留因为网络深度而回丢失的与属性无关的特征，并在解码过程中根据二进制属性向量经由属性编码器丰富信息后的属性风格码进行特征的风格融合；采用的预训练篡改检测模型能够更好的检测生成图像是否经过篡改，提升了模型生成图像的伪真性。
一种基于掩膜去噪特征选择属性编辑方法

[发明专利]基于时空图卷积的脑网络分类方法-CN202211345300.4在审
发明人：郝小可;闵虹杰;王晓芳;阎刚;李家旺;王静怡;甄时伟 -专利权人：河北工业大学
申请日： 2022-10-31 - 公布日： 2022-12-20 - 主分类号： G06V10/764 文献下载
摘要：本发明为基于时空图卷积的脑网络分类方法，对于静息态功能磁共振影像数据的时间序列，使用拆分的时空图卷积同时提取时间特征和空间特征。该方法首先采用基于体素形态的分析法对静息态功能磁共振影像进行分析，利用大脑模板将大脑皮层划分为多个感兴趣区域，将大脑建模为图结构的脑网络，并利用多个时空图卷积层分别提取时间特征和空间特征，降低了卷积操作的复杂度。为了进一步提升训练效果，该方法利用三元组损失函数来提升模型训练效果，使用时空图注意力模块来进一步提取空间特征和时间特征，从而提高基于大脑网络的分类精度。
基于时空图卷网络分类方法

[发明专利]一种基于不变性特征提取的域泛化行人重识别方法-CN202210991899.2在审
发明人：郭迎春;何欢;姚爽;阎刚;于洋;吕华;朱叶;郝小可;师硕;于明 -专利权人：河北工业大学
申请日： 2022-08-17 - 公布日： 2022-11-29 - 主分类号： G06V40/10 文献下载
摘要：本发明为一种基于不变性特征提取的领域泛化行人重识别方法，该方法包括以下内容：构建识别模型，所述识别模型以ResNet50网络为主干网络，还包括注意力感知的不变性特征提取模块，所述ResNet50网络具有依次串联的N个残差单元，在前N‑1个残差单元的输出处均连接一个注意力感知的不变性特征提取模块，最后一个残差单元的输出不接注意力感知的不变性特征提取模块，最后一个残差单元的输出连接平均池化层、批量归一化层和全连接层；所述注意力感知的不变性特征提取模块用于提取领域不变特征，包括：实例归一化层、分组白化层、空间注意力和通道注意力。该方法对所有源域统一进行处理，减少了模型参数，避免了采用领域专家方式对相对应源域的过拟合。
一种基于不变性特征提取泛化行人识别方法

[发明专利]基于自适应多尺度注意力时序网络的连续手语识别方法-CN202210884237.5在审
发明人：薛翠红;刘月豪;于明;阎刚;王颖 -专利权人：天津理工大学;河北工业大学
申请日： 2022-07-25 - 公布日： 2022-10-14 - 主分类号： G06V40/20 文献下载
摘要：本发明为基于自适应多尺度注意力时序网络的连续手语识别方法，该方法包括：对输入手语图像序列调整图像大小并进行预处理；将预处理的手语图像序列输入到残差网络Resnet18中进行空间特征提取，得到空间特征；将空间特征输入到自适应多尺度注意力时序网络提取空间特征的多尺度时空特征，将多尺度时空特征输入到串联的两层的双向长短时记忆网络中，提取其长期时间联系的时空特征；利用全连接层和softmax激活函数将长期时间联系的时空特征转换为分类概率矩阵；利用分类概率矩阵进行训练解码，得到手语序列的标签。该方法解决了之前工作中使用固定时间感受野带来的手语词时间特征提取不足的问题，提升了网络的识别性能。
基于自适应尺度注意力时序网络连续手语识别方法

[发明专利]一种基于自然语言描述的行人再识别方法-CN201911148055.6有效
发明人：于明;霍昶伟;师硕;郝小可;于洋;阎刚;朱叶;刘依;郭迎春 -专利权人：河北工业大学
申请日： 2019-11-21 - 公布日： 2022-09-16 - 主分类号： G06V40/10 文献下载
摘要：本发明一种基于自然语言描述的行人再识别方法，涉及用于识别图形记录载体的处理，具体说是设计图像和自然语言描述双分支网络结构，图像分支网络结构采用MobileNet卷积网络进行图像特征提取，自然语言描述分支网络结构通过BiLSTM网络进行文本特征提取，对于图像特征和文本特征之间的相似性度量部分进行构建堆叠损失函数并进行网络训练，用训练好的网络在待测图像集中搜索所包含的对应的行人图像，实现基于堆叠损失函数的自然语言描述的行人再识别，克服了现有技术中所存在的特征提取部分文本特征表征性不高，损失函数部分训练网络困难训练时间长及训练过程要消耗大量内存的缺陷。
一种基于自然语言描述行人识别方法

[发明专利]一种多阶段草莓果实检测方法-CN202011322407.8有效
发明人：阎刚;孟庆鲁;王岩;王建春;李扬;王梓晋;李佳扬;于洋;李凤菊 -专利权人：河北工业大学;天津商业大学;天津市农业科学院信息研究所
申请日： 2020-11-23 - 公布日： 2022-08-16 - 主分类号： G06T7/00 文献下载
摘要：本发明为一种多阶段草莓果实检测方法，涉及一般的计算机视觉目标检测领域，是从草莓图像中检测出多种生长阶段的草莓果实，步骤是：采集自然场景下草莓图像数据并制作数据集，输入图像，使用特征提取模块提取特征，使用细节语义增强模块提取增强特征，再次使用细节语义模块提取增强特征，使用进一步提取特征模块提取特征，进行多级特征融合，使用增强损失函数计算增强损失，使用NMS非极大值抑制，得到检测结果。本发明方法克服了现有目标检测技术无法适应草莓果实较小、不同类别果实数量不平衡的缺陷，并且能够同时检测多种生长阶段的草莓果实。
一种阶段草莓果实检测方法

[发明专利]基于多分支网络的无监督行人重识别方法及装置-CN202210333714.9在审
发明人：朱成博;曲寒冰;王鑫轩;李国鑫;阎刚 -专利权人：河北工业大学;北京市新技术应用研究所有限公司
申请日： 2022-03-30 - 公布日： 2022-08-09 - 主分类号： G06V40/10 文献下载
摘要：本公开提供一种基于多分支网络的无监督行人重识别训练方法，包括：源域训练和目标域训练，在源域训练阶段，将带有标签的图像输入至预训练模型进行训练，获得训练好的预训练模型；在目标域训练阶段，将无标签的图像输入至目标域训练模型中，经训练，获得行人重识别模型。本公开还提供了一种基于多分支网络的无监督行人重识别训练装置，以及一种基于多分支网络的无监督行人重识别方法、装置、电子设备以及可读存储介质。
基于分支网络监督行人识别方法装置

[发明专利]一种基于FCSA-EfficientNetV2的农作物病害识别方法-CN202210471953.0在审
发明人：于明;田赛;王建春;王岩;李扬;于洋;阎刚;孙海波 -专利权人：河北工业大学;天津市农业科学院;天津商业大学
申请日： 2022-04-29 - 公布日： 2022-08-05 - 主分类号： G06V20/10 文献下载
摘要：本发明为一种基于FCSA‑EfficientNetV2的农作物病害识别方法，该识别方法首先对农作物病害图像数据预处理，接着构建FCSA‑EfficientNetV2模型，然后将提取的特征输入到全连接层得到预测结果，最后使用带有标签平滑的交叉熵与成本敏感正则化相结合的损失函数更新模型参数并保存；所述FCSA‑EfficientNetV2模型以EfficientNetV2网络为基础，将注意力模块FCSA替换EfficientNetV2网络中MBConv模块的SE注意力模块。注意力模块FCSA先采用频域注意力获得特征在不同频域上的关注度，再使用空间注意力对频域注意力的特征进行空间上的关联，来对频域特征中需要关注的位置增强关注度，通过频域和空间注意力串联的方式构建FCSA模块，经过注意力增强的特征图输入到全连接层实现了不同作物病害及病害程度的识别。
一种基于 fcsa efficientnetv2 农作物病害识别方法

1
2
3
4
5
6
下一页»
尾页
共 82 条