“邓可望”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5个，建议您升级VIP下载更多相关专利

[发明专利]多光谱图像预处理方法、活体检测方法、设备及存储介质-CN202310613297.8在审
发明人： 邓可望;刘敏;龚冰冰;蔡万源;师少光;刘庆龙 -专利权人：奥比中光科技集团股份有限公司
申请日： 2023-05-26 - 公布日： 2023-10-17 - 主分类号： G06V10/58 文献下载
摘要：本申请提供了一种多光谱图像预处理方法、活体检测方法、设备及存储介质。其中，多光谱图像预处理方法包括：获取多光谱图像；根据所获取的多光谱图像中每个像素的各个通道的数字量化值，计算每个像素的各个通道的等效反射率；根据每个像素的各个通道的等效反射率，生成多光谱反射率图像。活体检测方法包括：识别多光谱反射率图像中待识别人脸的多个特征区域，并获取各个特征区域的反射率曲线；根据各个特征区域的反射率曲线，检测待识别人脸是否为活体。本申请通过对多光谱图像进行预处理，消除了采集多光谱图像时，光照强度或方向对反射率的影响，提高了活体检测的精度。
光谱图像预处理方法活体检测设备存储介质

[发明专利]人脸识别系统、方法、终端及存储介质-CN202310164957.9在审
发明人：陈训教;邓可望;辛冠希;王卫芳;钱贝贝 -专利权人：奥比中光科技集团股份有限公司
申请日： 2023-02-16 - 公布日： 2023-05-23 - 主分类号： G06V40/16 文献下载
摘要：本申请适用于人脸识别技术领域，提供了一种人脸识别系统、方法、终端及存储介质。人脸识别系统包括应用处理芯片及深度相机，深度相机包括泛光灯及红外成像模组，首先应用处理芯片获取红外成像模组与待识别人脸之间的距离，并根据距离调节红外成像模组的成像增益，然后通过开关泛光灯，并在泛光灯开启和关闭时分别控制红外成像模组采集待识别人脸的第一人脸图像和第二人脸图像，计算第一人脸图像和第二人脸图像之间的差分图像，然后利用差分图像进行人脸识别，由此，降低了由于环境光干扰导致的人脸识别误差，解决了人脸注册环境和人脸识别环境相差较大而导致人脸识别误差较大的问题。
识别系统方法终端存储介质

[发明专利]训练方法、图像风格迁移方法、装置、设备及存储介质-CN202211187136.9在审
发明人：蔡万源;辛冠希;陈训教;刘畅;郑新莹;邓可望 -专利权人：奥比中光科技集团股份有限公司
申请日： 2022-09-28 - 公布日： 2022-12-02 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及计算机视觉技术领域，尤其涉及训练方法、图像风格迁移方法、装置、设备及存储介质。图像风格迁移模型的训练方法包括：获取彩色图像及红外图像，彩色图像及红外图像均包括人脸；提取彩色图像的第一内容特征及红外图像的第一风格特征；利用初始风格迁移模型生成彩色图像对应的合成红外图像；计算合成红外图像和彩色图像之间的内容损失、及合成红外图像和红外图像之间的风格损失；根据内容损失和风格损失，对初始图像风格迁移模型进行迭代训练，获得目标图像风格迁移模型。本申请实施例仅需要很少的迭代次数就可以生成图像风格迁移模型，从而高效地生成高质量的风格迁移数据。
训练方法图像风格迁移装置设备存储介质

[发明专利]一种基于光谱吸收指数的多层感知机高光谱矿物分类方法-CN201910355329.2在审
发明人：赵慧洁;邓可望;李娜 -专利权人：北京航空航天大学
申请日： 2019-04-29 - 公布日： 2019-07-19 - 主分类号： G01N21/31 文献下载
摘要：一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，包含以下步骤：(1)读入高光谱数据；(2)确定矿物种类及数目，并选择训练样本和测试样本；(3)根据矿物特征波段确定光谱吸收指数向量；(4)建立基于多层感知机的深度网络模型；(5)训练模型参数并且构建防止过拟合策略；(6)对高光谱图像进行分类，得到矿物分类图。该方法以多层感知机模型作为模型基础，以矿物光谱吸收指数向量作为输入，实现基于高光谱数据的矿物分类。
多层感知光谱吸收高光谱矿物高光谱数据矿物分类分类高光谱图像测试样本矿物光谱矿物特征模型基础网络模型吸收指数训练模型训练样本指数向量波段读入构建矿物拟合向量

[发明专利]一种基于深度神经网络的高光谱遥感数据分类方法-CN201811104128.7在审
发明人：李娜;赵慧洁;王成果;邓可望 -专利权人：北京航空航天大学
申请日： 2018-09-21 - 公布日： 2019-02-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于深度神经网络的高光谱遥感数据分类方法，包含以下步骤：(1)读入高光谱数据；(2)确定类别数目，并选择训练样本和测试样本；(3)基于三维卷积和空间金字塔池化的空间‑光谱特征联合提取；(4)建立基于深度神经网络的高光谱数据分类模型；(5)通过迁移学习策略和防止过拟合方法完成模型的优化；(6)将所有待分类的样本点输入模型中进行分类，获取分类结果图。该方法中的分类器模型通过迁移学习策略优化训练，将源域数据中的特征迁移到目标域数据中。因而，该方法在训练样本的数量较小的情况下能够获得较高的分类精度。
神经网络分类高光谱遥感数据高光谱数据学习策略训练样本迁移分类器模型测试样本分类结果分类模型光谱特征优化训练目标域样本点池化读入卷积拟合源域金字塔三维优化联合