“朱树元”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59个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自监督模式特征增强的行人属性识别方法-CN202210160918.7有效
发明人：周雪;邹喜格;邹见效;朱树元 -专利权人：电子科技大学
申请日： 2022-02-22 - 公布日： 2023-10-10 - 主分类号： G06V40/10 文献下载
摘要：本发明提出一种基于自监督模式特征增强的行人属性识别方法，旨在减少行人图像结构对行人特征的影响，通过将行人图像及其水平翻转的图像输入到深度学习网络中，将属性特征以及结构特征以自监督模式的方式进行分解并且重组以减少图像结构对行人特征的影响，同时利用属性之间的关联关系，通过属性分类损失、属性分类一致性损失以及水平翻转一致性约束下的自监督模式的学习对行人图像的特征进行增强。通过自监督模式特征增强后的行人属性识别网络取得了良好的性能提升。在ResNet101网络结构嵌入了Non‑local模块，以学习属性之间的关联性；并设计了全连接注意力层进一步增强行人特征。由于使用了学习到的更具有表示性的特征，进一步提高了行人属性识别的性能。
一种基于监督模式特征增强行人属性识别方法

[发明专利]一种基于细粒度特征融合的跨域无监督行人重识别方法-CN202210193883.7有效
发明人：周雪;丁金;邹见效;朱树元 -专利权人：电子科技大学
申请日： 2022-03-01 - 公布日： 2023-07-25 - 主分类号： G06V40/10 文献下载
摘要：本发明提供一种基于细粒度特征融合的跨域无监督行人重识别方法，教师网络分支与学生网络分支输出各自的全局特征，同时将各自最后一层特征图进行水平切割并获得各自的细粒度特征；将学生网络分支中的细粒度特征分别与教师网络分支中的全局特征进行融合得到融合特征；将融合特征、教师网络分支的全局特征分别进行聚类产生硬伪标签，同时利用教师网络分支的全局特征的预测结果作为学生网络分支的全局特征的软伪标签；最后利用伪标签完成有监督学习。本发明通过同时利用全局特征和细粒度特征进行学习，从而提升识别的精度，对全局整体信息和局部细粒度信息的关注度的特征融合方式以获得可靠性更高的聚类伪标签来提升模型的泛化性。
一种基于细粒度特征融合跨域无监督行人识别方法

[发明专利]一种基于图神经网络的多模态对话情感识别方法及系统-CN202310437725.6在审
发明人：陈飞宇;邵杰;朱树元;申恒涛 -专利权人：四川省人工智能研究院（宜宾）
申请日： 2023-04-21 - 公布日： 2023-07-21 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于图神经网络的多模态对话情感识别方法及系统，包括：S1：获取说话人和上下文感知的单模态表示；S2：根据说话人和上下文感知的单模态表示，提取各模态和会话上下文之间的多元和高阶信息，得到多变量表征数据；S3：提取各模态和会话上下文之间不同频率成分的不同重要性，得到多频率表征数据；S4：对多变量表征数据和多频率表征数据进行数据融合，得到输入对话的情感表征；S5：根据情感表征，得到输入对话的预测标签，并将预测标签作为多模态对话情感识别结果输出。本发明能够提高对话情感识别的准确性和效率。
一种基于神经网络多模态对话情感识别方法系统

[发明专利]一种基于多方向全变分的图像去噪方法-CN202011350640.7有效
发明人： 朱树元;尹诗颖;王忠荣;王正宁;刘光辉 -专利权人：电子科技大学
申请日： 2020-11-26 - 公布日： 2023-07-21 - 主分类号： G06T5/00 文献下载
摘要：本发明属于数字图像处理技术领域，涉及图像去噪方法，具体提供一种基于多方向全变分的图像去噪方法，用以克服现有全变分正则化模型存在的去噪过程中丢失了很多边缘信息、去噪效果不够理想的问题。本发明经拉普拉斯算子启发，构建八个方向的差分矩阵，与传统全变分仅有的两个方向差分矩阵相比，考虑了更多方向的梯度信息，因此在边缘处的平滑效果会减弱，从而保留图像更多的边缘信息；经过验证，经过基于多方向全变分的图像去噪方法得到的去噪图像与传统全变分去噪方法得到的去噪图像相比，考虑了更多方向的梯度信息，在相同的均方误差MSE下，能够保留图像更多的边缘和纹理信息，具有更好的去噪效果。
一种基于多方全变分图像方法

[发明专利]一种新型色彩空间转换矩阵生成方法-CN202111002837.6有效
发明人： 朱树元;贺康 -专利权人：电子科技大学
申请日： 2021-08-30 - 公布日： 2023-06-30 - 主分类号： H04N19/147 文献下载
摘要：本发明属于马赛克图像压缩技术领域，提供一种新型色彩空间转换矩阵生成方法；本发明首先给出四通道模型的新型约束模型，设计得到色彩空间转换矩阵和逆矩阵，更容易达到预期目标，且能够根据约束条件把参数量降维，减少了搜索的工作量；然后采用新型率失真优化方法，在预设范围内搜索色彩空间转换矩阵，在编码之前估计损失量和码率的近似值，避免了二次编码的问题，且对于不同的编码框架使用新型率失真优化方法得到的结果是完全相同的；最终，基于本发明生成的色彩空间转换矩阵，在相同的编码码率的情况下能够实现更小的图像整体编码损失，实现更好的图像压缩性能。
一种新型色彩空间转换矩阵生成方法

[发明专利]一种基于多级分离的MIMO-OTFS符号检测方法-CN202111075884.3有效
发明人：刘光辉;陈云开;瞿辉洋;刘承享;陈苏逸;朱树元 -专利权人：电子科技大学
申请日： 2021-09-14 - 公布日： 2023-06-23 - 主分类号： H04L27/26 文献下载
摘要：本发明公开了一种基于多级分离的MIMO‑OTFS符号检测方法，属于MIMO在OTFS的调制通信技术领域。本发明将MIMO‑OTFS信道均衡问题归结为一个线性优化问题，提出了一种基于时域LSMR的信道均衡处理方案，用于恢复每个传输码流的OTFS符号，即通过利用时域信道矩阵的稀疏性所提出的信道均衡处理方案可以实现快速收敛，从而能够获得与LMMSE相当的均衡性能，但计算复杂度却要低得多；同时，在时延多普勒域设置了一种增强型数据检测方式来迭代解调多天线数据符号，其得益于信道预均衡器对数据符号的精确估计，该增强型数据检测方式不仅可以实现线性复杂度的干扰消除，而且可以有效地实现MIMO‑OTFS信道的空间分集和多径分集，提升检测性能。
一种基于多级分离 mimo otfs 符号检测方法

[发明专利]基于高次项参考曲面学习的点云特征提取方法、分类方法和分割方法-CN202111075882.4有效
发明人：孙铁成;刘光辉;陈云开;李茹;刘博谦;刘帅成;朱树元 -专利权人：电子科技大学
申请日： 2021-09-14 - 公布日： 2023-04-07 - 主分类号： G06V20/64 文献下载
摘要：本发明公开了一种基于高次项参考曲面学习的点云特征提取方法、分类方法和分割方法，属于计算机视觉领域。本发明将点云坐标转化为点云与全局参考曲面的相对位置关系，这种关系同时隐含了局部和全局信息。即，若参考曲面所对应的函数值均为零，则表示该三维表面在这些局部点云附近是实际三维物体的一个组成部分，表征了点云数据的局部信息；若参考曲面所对应的函数值不等于零，则函数值与点到曲面的距离相关，其表征了点相对于全局三维曲面的信息，即全局特征。进而可以有效聚合三维点云数据的局部和全局信息，从而有利于三维物体的语义特征提取。进而基于所提取的特征完成对待分类的点云数据的三维物体分类和三维物体语义分割处理。
基于高次项参考曲面学习特征提取方法分类分割

[发明专利]一种基于梯度变化的无参考JPEG图像质量评价方法-CN202111409368.X有效
发明人： 朱树元;刘科 -专利权人：电子科技大学
申请日： 2021-11-25 - 公布日： 2023-03-31 - 主分类号： G06T7/00 文献下载
摘要：本发明属于无参考图像质量评价领域，具体提供一种基于梯度变化的无参考JPEG图像质量评价方法，用以进行单一JPEG图像的质量分数的有效评价。本发明提出了基于JPEG图像的水平、垂直、45度斜、135度斜四个方向的一阶梯度块效应，二阶梯度块效应，频域AC系数三个图像特征来评价其客观质量分数的无参考质量评价方法；在提取图像的三个特征后，使用多项式模型将其组合构成质量评价模型；最后在四个公开的质量评价数据库上进行性能验证，试验结果表明，本发明在预测JPEG压缩图像质量方面明显优于现有的无参考方法。综上所述，本发明通过引入有效的图像特征后，能够显著的提升JPEG图像的质量评价准确度，进而有效评价图像质量。
一种基于梯度变化参考 jpeg 图像质量评价方法

[发明专利]一种基于特征增强的残差神经网络及图像去块效应方法-CN201910342132.5有效
发明人： 朱树元;王岩;曾辽原;刘光辉 -专利权人：电子科技大学
申请日： 2019-04-26 - 公布日： 2023-03-28 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及数字图像后处理领域，具体为一种基于特征增强的残差神经网络及图像去块效应方法；本发明基于特征增强的残差神经网络引入局部残差单元、全局特征增强单元和局部特征增强单元，三种基本单元相互促进极大地增强了目标神经网络的学习能力和建模能力，并可以针对图像去块效应问题建立起带有块效应的低质量图像到高质量图像的准确映射，最终能够通过建立的有效映射对给定质量的JPEG压缩图像进行处理，获得高质量的图像；本发明的图像去块效应方法，能够显著提高图像的峰值信噪比(PSNR)和结构相似度(SSIM)，并且极大地提升图像去块的效率、质量和鲁棒性，在图像后处理领域具有深远意义。
一种基于特征增强神经网络图像效应方法

[发明专利]基于空洞卷积的残差神经网络及两阶段图像去马赛克方法-CN202010447460.4有效
发明人： 朱树元;王岩;王忠荣;刘光辉;曾辽原 -专利权人：电子科技大学
申请日： 2020-05-25 - 公布日： 2023-03-28 - 主分类号： G06T3/40 文献下载
摘要：本发明属于数字图像处理领域，具体为基于空洞卷积的残差神经网络及两阶段图像去马赛克方法；本发明基于残差神经网络引入浅层特征提取单元、局部残差单元和深层特征提取单元，三种基本单元相互作用极大地增强了目标神经网络的学习能力和建模能力，并可以针对图像去马赛克问题建立起从马赛克图像到RGB彩色图像的准确映射，最终能够通过建立的有效映射对Bayer CFA模式的马赛克图像进行处理，获得RGB彩色图像；同时引入两阶段图像去马赛克模型，充分利用了先验信息，提高了网络的建模能力，优化了解空间；通过本发明的图像去马赛克方法，能够显著提高图像的峰值信噪比，并且极大地提升图像去马赛克的效率、质量和鲁棒性，在图像处理领域具有深远意义。
基于空洞卷积神经网络阶段图像马赛克方法

[发明专利]一种注意力引导的特征压缩方法-CN202211293023.7有效
发明人： 朱树元;罗昕;熊垒;曾兵 -专利权人：电子科技大学
申请日： 2022-10-21 - 公布日： 2022-12-23 - 主分类号： G06T5/00 文献下载
摘要：本发明属于图像压缩和图像质量增强领域，具体提供一种注意力引导的特征压缩方法，用以有效提升特征压缩效率，在不同压缩率情况下均达到了较好的性能，在低压缩率下尤其突出。本发明在基于纹理协同的特征压缩方法的基础上，引入了自适应的频域注意力机制和通道注意力机制，通过高频注意力重建网络自适应选择参数来恢复图像的高频信息，实现了图像低频信息的保留和高频信息的恢复；通过通道注意力特征提取网络为重建图像的特征的不同通道赋予重要性，实现了后续视觉任务性能的进一步提升；最终达到了在不同量化因子，即不同压缩率下，良好、稳定的视觉任务性能。
一种注意力引导特征压缩方法

[发明专利]基于色彩空间转换的马赛克图像压缩方法-CN202010505297.2有效
发明人： 朱树元;贺康;王忠荣;刘光辉;王正宁 -专利权人：电子科技大学
申请日： 2020-06-05 - 公布日： 2022-11-11 - 主分类号： H04N19/186 文献下载
摘要：本发明属于图像处理技术领域，具体提供基于新型色彩空间转换的马赛克图像压缩方法，用以解决现有技术恢复图像质量低、算法复杂且仅适用于某一特定格式的RGGB型CFA图像的问题。本发明将CFA的G1RBG2转换为四通道模型，然后使用新型色彩空间转换，消除像素之间的相关性，大大降低了编码码流的位数，使之能够直接通过传统编码框架进行编码；并且，本发明适用于任意格式的RGGB型CFA；同时，本发明中色彩空间转换矩阵和逆转换矩阵均为真实值，而不是近似结果，消除了转换矩阵带来的舍入误差；另外，本发明通过数学优化的方式更新需要编码的亮度分量，带来更好的恢复质量。
基于色彩空间转换马赛克图像压缩方法

[发明专利]一种基于深度信息的图像修复方法-CN202210913433.0有效
发明人： 朱树元;刘柯宇 -专利权人：电子科技大学
申请日： 2022-08-01 - 公布日： 2022-11-08 - 主分类号： G06T5/00 文献下载
摘要：本发明属于图像修复领域，具体提供一种基于深度信息的图像修复方法，用以实现破损图像的高质量修复；本发明通过构建基于深度信息的平面分割模型，实现图像修复类型的划分；在“单平面的修复”中，将样本块与待修复块的平均深度信息作为约束项加入最优匹配块的判定准则当中，提升了最优匹配块选取的准确性；在“多平面的修复”中，根据深度信息划分形成多个深度平面，首先对每个深度平面进行逐层“粗修复”，再对“粗修复”后深度平面进行单平面的“精修复”，保证了分界线的连续性和深度平面的修复质量；综上，本发明能够有效降低各修复平面间的影响，显著提高图像修复的质量，并且能够在一定程度上降低修复时间、进而提高效率。
一种基于深度信息图像修复方法

[发明专利]一种图像变换域降采样方法-CN201810775713.3有效
发明人： 朱树元;崔唱;朱旭 -专利权人：电子科技大学
申请日： 2018-07-16 - 公布日： 2022-11-08 - 主分类号： G06T5/10 文献下载
摘要：本发明属于图像处理领域，提供一种新型图像变换域降采样方法，用以克服传统的图像降采样方法中因高频信息损失而引起的图像质量退化问题；本发明首先将图像划分为大小为N×N图像宏块，然后在像素域建立基于图像宏块的L2‑范数和L1‑范数联合优化目标函数，通过最小化目标函数，在变换域得到具有较强稀疏特性的(N/2)×(N/2)大小的变换系数块。本发明通过最小化像素域的L2‑范数和L1‑范数联合优化，在变换域实现对图像信号的降采样；并且在保持图像原始特征的同时，增强图像在变换域的稀疏特性，有效降低变换域系数块的数据量，为进一步的数据压缩提供有力的保障。
一种图像变换采样方法

[发明专利]一种纹理协同的深度特征图压缩方法-CN202111421114.X有效
发明人： 朱树元;熊垒 -专利权人：电子科技大学
申请日： 2021-11-26 - 公布日： 2022-10-14 - 主分类号： H04N19/124 文献下载
摘要：本发明属于图像压缩和图像质量增强领域，具体提供一种纹理协同的深度特征图压缩方法；本发明在编码端将压缩后低质量图像和压缩后深度特征图同时传输，在解码端通过构建图像重建网络，实现压缩后低质量图像和压缩后深度特征图融入，重建得到高质量的自然图像，即能够实现图像的高清可视，同时，基于重建高质量图像再次提取的深度特征与压缩后的深度特征进行再次融合后，能够大大提升后续视觉任务的性能。综上，本发明基于图像重建网络既能够在解码端提供人眼理解的视觉图像，又能够进一步提高特征的压缩效率后提升后续视觉任务性能。
一种纹理协同深度特征压缩方法

1
2
3
4
下一页»
尾页
共 59 条