|
|
钻瓜专利网为您找到相关结果 3479280个，建议您 升级VIP下载更多相关专利
- [发明专利]一种多尺度特征提取及融合方法及装置-CN202010516365.5在审
-
董爱美;郑秋玉;李志刚
-
齐鲁工业大学
-
2020-06-09
-
2020-09-15
-
G06K9/46
- 本发明公开了一种多尺度特征提取及融合方法及装置，属于特征提取及融合，要解决的技术问题为如何在减少噪声和冗余数据的前提下，实现多尺度特征提取和融合。方法，通过多个Faster R‑CNN深度学习网络进行多尺度特征提取，得到多组不同的特征集，并对上述多组不同的特征集进行DCA特征融合，所述每个特征集均包括多个维度相同的特征向量。装置用于通过上述一种多尺度特征提取及融合方法进行多尺度特征提取和融合，所述装置包括特征提取模块和特征融合模块。相较于传统的特征提取和特征融合方法，鲁棒性更好，提高了目标检测的准确率，解决了单一尺度特征可能造成检测误差的问题。
- 一种尺度特征提取融合方法装置
- [发明专利]一种人体动作识别方法-CN201910387635.4有效
-
杨剑宇;黄瑶;朱晨
-
苏州大学
-
2019-05-10
-
2021-02-02
-
G06K9/00
- 本发明提出一种人体动作识别方法，提取动作样本每个骨骼关节点在相邻帧之间的运动作为该动作样本的动态特征；对动态特征进行空间多尺度划分，得到各个子特征集；对于每个子特征集，将同一帧所有骨骼关节点的运动特征组成向量；提取所有训练样本的该子特征集的帧特征向量，进行聚类，得到聚类中心；将动作样本所有帧的特征向量输入至各个子特征集构建的概率分布神经元，累加每个概率分布神经元上的所有输出，得到直方图表达；对该子特征集进行时间多尺度划分，得到时间多尺度直方图；组成时空多尺度软量化直方图；构成时空多尺度软量化网络；训练时空多尺度软量化网络，将测试样本输入至训练好的网络模型中，实现动作识别。
- 一种人体动作识别方法
- [发明专利]一种基于多尺度特征融合的目标检测方法-CN202111450611.2在审
-
张光建;尹一铭
-
重庆理工大学
-
2021-11-30
-
2022-03-01
-
G06K9/62
- 本发明具体涉及一种基于多尺度特征融合的目标检测方法，包括：构建目标检测模型并进行训练；获取待检测目标的图像数据；将待检测目标的图像数据输入经过训练的目标检测模型中；首先基于图像数据提取多尺度的特征图；然后通过逐层特征融合和反馈特征融合的方式对低层特征图进行充分融合，得到对应的低层融合特征图；再通过注意力机制仅对高层特征图进行融合更新，得到对应的高层融合特征图；最后基于低层融合特征图和高层融合特征图生成对应的多尺度融合特征图；基于多尺度融合特征图完成目标检测。本发明中基于多尺度特征融合的目标检测方法能够充分融合尺度特征并保证小目标的检测效果，从而能够提升目标检测的准确性和效果。
- 一种基于尺度特征融合目标检测方法
|
