“李明郎君”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3个，建议您升级VIP下载更多相关专利

[发明专利]基于视觉显著性与语义属性跨模态图像自然语言描述方法-CN201710560024.6有效
发明人：田春娜;王蔚;高新波;李明郎君;王秀美;张相南;刘恒;袁瑾 -专利权人：西安电子科技大学
申请日： 2017-07-11 - 公布日： 2021-08-06 - 主分类号： G06K9/62 文献下载
摘要：本发明属于计算机视觉与自然语言处理技术领域，公开了一种基于视觉显著性与语义属性跨模态图像自然语言描述方法，采用卷积神经网络提取图像各区域的多尺度深度视觉特征；利用预训练的显著性模型，回归出图像显著性图对原图像进行加权；建立预定义字典作为语义属性类别，并对视觉显著性图像进行语义属性检测；采用多示例学习计算语义属性；利用语义属性对图像特征加权；采用长短期记忆网络对基于视觉显著性的语义属性特征进行解码，生成图像描述。本发明具有准确度高的优点。可用于复杂场景下的图像检索及多目标图像语义理解等。
基于视觉显著语义属性跨模态图像自然语言描述方法

[发明专利]基于多模型融合和结构化深度特征的视觉目标跟踪方法-CN201710560015.7有效
发明人：田春娜;李明郎君;高新波;王秀美;刘丽莎;刘恒;姜萌萌 -专利权人：西安电子科技大学
申请日： 2017-07-11 - 公布日： 2021-06-29 - 主分类号： G06T7/246 文献下载
摘要：本发明属于模式识别与计算机视觉技术领域，公开了一种基于多模型融合和结构化深度特征的视觉目标跟踪方法，采用了多层结构化的深度网络特征对跟踪目标的外观进行建模，深度网络提取的特征对运动模糊等干扰因素具有更强的鲁棒性；结构化特征中的低层特征不仅有助于区分强干扰目标，而且能够使位置估计更加精确；结构化特征中的高层特征有助于将跟踪目标和背景分离。本发明采用了将长时和短时模型融合进行视觉目标跟踪，短时模型有助于提高位置估计的精度；短时模型有助于抑制和跟踪目标相似的强干扰目标。本发明具有精度高和鲁棒性强的优点；可用于视频监控、道路交通情况分析和人机交互等应用。
基于模型融合结构深度特征视觉目标跟踪方法

[发明专利]基于快速表情信息提取和泊松融合的人脸表情合成方法-CN201610312142.0在审
发明人：田春娜;李海洋;高新波;袁博;王秀美;李明郎君 -专利权人：西安电子科技大学
申请日： 2016-05-12 - 公布日： 2016-10-26 - 主分类号： G06T11/40 文献下载
摘要：本发明公开了一种基于快速表情信息提取和泊松融合的人脸表情合成方法，主要解决现有技术不能快速有效提取表情细节信息，且不能将其信息合成到目标人脸上的问题。实现步骤是：1)依据脸部特征点数据得到对应表情模板；2)依据目标对象的表情形状模板将目标对象的中性表情图像和源对象的非中性表情图像变形到目标对象的非中性表情形状下；3)在频域提取源人物表情图像块形变后的表情细节信息；4)使用泊松融合的方法对提取的源对象表情细节进行滤波；5)对滤波后的表情细节信息，使用泊松融合的方法将其合成到目标对象的形变表情上，得到最终的合成结果。本发明所需样本量少，合成结果自然、逼真，可用于人物动画渲染、视频会议和人机交互。
基于快速表情信息提取融合合成方法