“蔺广逢”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19个，建议您升级VIP下载更多相关专利

[发明专利]基于极复指数变换和残差神经网络的鲁棒视频零水印方法-CN202010719213.5有效
发明人：康晓兵;高玉梅;蔺广逢;赵凡;陈亚军 -专利权人：西安理工大学
申请日： 2020-07-23 - 公布日： 2023-10-27 - 主分类号： G06F21/16 文献下载
摘要：本发明公开了一种基于极复指数变换和残差神经网络的鲁棒视频零水印方法，包括对视频进行预处理，选取出每组镜头的关键帧；对视频的原始水印进行加密处理，借助极复指数变换得到关键帧的不变矩，将不变矩送入预训练的深度残差神经网络模型中，提取关键帧的鲁棒内容特征，将鲁棒内容特征与加密后的水印进行异或运算，生成视频独有的鲁棒零水印信号，从待验证视频中选取关键帧，提取关键帧的鲁棒内容特征，将鲁棒内容特征与待验证视频对应的鲁棒零水印信号进行异或运算，获得原始水印，实现视频的版权验证。本发明鲁棒视频零水印方法解决了鲁棒性和不可感知性之间的平衡问题，提高了抵抗去同步化攻击能力，能够有效地保护视频媒体的版权。
基于指数变换神经网络视频水印方法

[发明专利]基于卷积交叉注意力机制的印刷品图像配准方法-CN202310624605.7在审
发明人：陈亚军;杨茜;余璐;蔺广逢;张二虎 -专利权人：西安理工大学
申请日： 2023-05-30 - 公布日： 2023-08-29 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种基于卷积交叉注意力机制的印刷品图像配准方法，首先构建深度学习配准网络，包括卷积交叉注意力机制和基于上采样的深度单应性估计配准网络；然后将参考印刷品图像的和待配准印刷品图像的输入到深度学习配准网络中，得到配准后的印刷品图像；最后通过计算配准后的印刷品图像与参考印刷品图像之间的损失函数，对网络参数进行优化，输出精度更高的印刷品图像。本发明完成印刷品图像配准任务，为后期印刷品的缺陷检测提供保证，提高缺陷检测效率。
基于卷积交叉注意力机制印刷品图像方法

[发明专利]一种行人检测与跟踪方法、装置、设备及可读存储介质-CN202211329606.0在审
发明人：陈亚军;洪松;蔺广逢;王婧;孙思云 -专利权人：西安理工大学
申请日： 2022-10-27 - 公布日： 2022-12-23 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种行人检测与跟踪方法、装置、设备及可读存储介质，对视频序列中的每一帧图像进行行人检测，得到行人检测框；利用所述行人检测框中的行人特征信息对马尔科夫链蒙特卡洛粒子滤波进行初始化；利用所述行人检测框中的行人特征信息和预设的可逆跳跃策略对所述初始化后的马尔科夫链蒙特卡洛粒子滤波进行采样更新；利用所述更新后的马尔科夫链蒙特卡洛粒子滤波对当前帧的前一帧图像所对应的行人检测框中的行人特征信息进行计算，得到当前帧的行人预测位置信息；将所述当前帧的行人预测位置信息与当前帧的行人特征信息进行跟踪匹配，得到行人跟踪结果。本发明能当跟踪目标被遮挡或者光线变化过快后，能够确保跟踪准确率。
一种行人检测跟踪方法装置设备可读存储介质

[发明专利]基于关联注意力的少样本文字风格迁移方法-CN202210377959.1在审
发明人：李玉梅;蔺广逢;贺梦兰;魏文超 -专利权人：西安理工大学
申请日： 2022-04-12 - 公布日： 2022-07-12 - 主分类号： G06F40/109 文献下载
摘要：本发明公开了基于关联注意力的少样本文字风格迁移方法，包括：构建训练数据集和测试数据集；训练数据集包括内容参考集、风格参考集；构建基于关联注意力的生成对抗网络，生成对抗网络包括生成器网路、鉴别器网络；设置损失函数；利用构建的损失函数训练生成对抗网络；利用测试数据集测试训练完的生成器网络，完成少样本文字风格迁移。在多对多字体的风格迁移上表现良好，模型充分提取了风格信息和内容信息，生成的字符笔画更加完整，与真实值更加相近，在多域文字风格迁移中生成更高质量、更和谐的字符图像。
基于关联注意力样本文字风格迁移方法

[发明专利]一种基于结构传播的零样本图像分类方法-CN201810345850.3有效
发明人： 蔺广逢;缪亚林;范引娣;陈万军;张二虎;朱虹 -专利权人：西安理工大学
申请日： 2018-04-18 - 公布日： 2022-04-22 - 主分类号： G06V10/764 文献下载
摘要：本发明公开的一种基于结构传播的零样本图像分类方法，步骤1，分别计算所有类别的语义结构和图像结构；步骤2，根据步骤1中语义结构和图像结构的计算式，建立适用于零样本图像分类的结构关系模型，并求解优化式；步骤3，根据步骤2中的优化式，继续更新图像结构；步骤4，循环迭代步骤2‑3，进行正向结构传播，直至得到稳定的未可见类别的标记。本发明基于结构传播的零样本图像分类方法的平均识别率最高，提高了分类的准确率和效率，获得了更好的零样本图像分类的效果。
一种基于结构传播样本图像分类方法

[发明专利]基于生成对抗网络的包装盒自动设计方法-CN201810843372.9有效
发明人：陈万军;蔺广逢;范凤梅 -专利权人：西安理工大学
申请日： 2018-07-27 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于生成对抗网络的包装盒自动设计方法，其具体步骤是：收集某类商品的包装盒；将包装盒放置到白色背景的图像采集环境中进行样本图像的采集；对采集的图像进行预处理；构建用于包装盒自动设计的深度卷积生成对抗网络模型；训练用于包装盒自动设计的深度卷积生成对抗网络模型；利用训练好的用于包装盒自动设计的深度卷积生成对抗网络模型中的生成器子网络生成新的包装盒样式图像。本发明将当前的人工智能领域中的深度卷积生成对抗网络应用到商品包装盒的设计中，能够利用计算机自动地生成新的包装盒设计图片，极大提高了包装盒设计的智能化水平与设计效率。
基于生成对抗网络包装自动设计方法

[发明专利]基于知识蒸馏与对抗学习的多模态人体动作识别方法-CN202011123560.8在审
发明人：陈万军;陈亚军;蔺广逢;李维;范凤梅 -专利权人：西安理工大学
申请日： 2020-10-20 - 公布日： 2021-02-12 - 主分类号： G06K9/00 文献下载
摘要：基于知识蒸馏与对抗学习的多模态人体动作识别方法，具体步骤是：输入多模态人体动作训练数据；针对各模态数据，分别训练单模态动作识别模型；多模态识别模型知识蒸馏集成；分类预测；利用知识蒸馏和对抗学习技术，将具有不同描述特性和分类能力的多模态识别模型集成迁移到一个新网络模型中；在测试阶段，该新模型能够在部分模态数据丢失的情况下仍然保持多模态的特征提取能力和判别力，提升了模型的分类效果和环境适应性。
基于知识蒸馏对抗学习多模态人体动作识别方法

[发明专利]一种基于运动轨迹的3D卷积神经网络的行为识别方法-CN201810748903.6有效
发明人：赵凡;吉璐;蔺广逢;陈亚军 -专利权人：西安理工大学
申请日： 2018-07-10 - 公布日： 2021-02-12 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于运动轨迹的3D卷积神经网络的行为识别方法，具体为：行为识别网络模型训练：建立行为识别数据集，训练数据集和测试数据集；创建训练标签与测试标签；双向光流计算，获取双向运动轨迹；提取基于运动轨迹的像素值数据矩阵；建立基于运动轨迹的3D卷积神经网络结构；对神经网络结构进行训练；行为识别网络模型测试，计算准确率；若准确率大于等于95％，则认为训练的基于运动轨迹的3D卷积神经网络结构为最终的需求，若准确率小于95％，则需要调整基于运动轨迹的3D卷积神经网络结构的内置参数后重新训练。本发明的一种基于运动轨迹的3D卷积神经网络的行为识别方法，提高视频中人体行为的识别精度。
一种基于运动轨迹卷积神经网络行为识别方法

[发明专利]一种标记与语义自编码融合的零样本图像分类方法-CN202010501150.6在审
发明人： 蔺广逢;范引娣;缪亚林;陈万军;张二虎 -专利权人：西安理工大学
申请日： 2020-06-04 - 公布日： 2020-11-10 - 主分类号： G06K9/62 文献下载
摘要：本发明公开的一种标记与语义自编码融合的零样本图像分类方法，具体按照以下步骤实施：图像到语义的自编码映射求解，获得图像到语义的映射矩阵；图像到标记的自编码映射求解，获得图像到标记的映射矩阵；根据图像到语义的映射矩阵、图像到标记的映射矩阵求解图像标记融合系数；根据图像标记融合系数对零样本图像标记估计，根据估计结果进行分类标记。不仅考虑语义的自编码映射，而且考虑标记的自编码映射。将各个信息域(语义和标记)的映射变换进行标记融合，进一步优化以上多重映射关系，能够更加准确的进行零样本图像分类和识别。
一种标记语义编码融合样本图像分类方法

[发明专利]联合GIST特征的多重索引图像检索方法-CN201710190761.1有效
发明人：廖开阳;汤梓伟;郑元林;赵凡;曹从军;蔺广逢;袁晖 -专利权人：西安理工大学
申请日： 2017-03-28 - 公布日： 2020-03-31 - 主分类号： G06F16/583 文献下载
摘要：本发明公开的联合GIST特征的多重索引图像检索方法：对参考图像库中图像提取局部SIFT特征，根据局部SIFT特征中的坐标信息建立GIST特征；用局部SIFT特征中局部描述信息与GIST特征中局部描述信息建立二维BOF特征模型；根据二维BOF特征模型建立基于二维BOF的投票检索模型；根据SIFT特征与GIST特征结合基于BOF特征的二维倒排表索引，对SIFT特征与GIST进行汉明量化处理，将应用信息融合策略得到的局部SIFT特征汉明量化信息与GIST特征汉明量化信息融合到基于BOF的投票检索模型中，精确检索近似重复图像。本发明的多重索引图像检索方法实现在大规模数据图像中完成对近似重复图像的检索。
联合 gist 特征多重索引图像检索方法

[发明专利]融合全局R特征的近似重复视频检索方法-CN201610820574.2有效
发明人：廖开阳;王玮;郑元林;曹从军;赵凡;蔺广逢 -专利权人：西安理工大学
申请日： 2016-09-13 - 公布日： 2019-10-25 - 主分类号： G06F16/783 文献下载
摘要：本发明公开的融合全局R特征的近似重复视频检索方法，首先执行对数据库中视频提取局部SIFT特征；其次执行根据局部SIFT特征中的坐标信息建立全局R特征；然后执行利用局部SIFT特征中描述符信息建立BOF检索模型；接下来根据BOF模型，建立投票检索模型；最后执行应用信息融合策略把全局几何分布信息融合到BOF模型中，在大规模的数据中精确的检索近似重复视频。本发明融合全局R特征的近似重复视频检索方法能够根据信息融合策略把全局几何分布信息融合于BOF模型中，实现在大规模的数据中精确的检索近似重复视频。
融合全局特征近似重复视频检索方法

[发明专利]图像局部特征语义分布结构和样本分布结构融合编码方法-CN201610040954.4有效
发明人： 蔺广逢;缪亚林;陈万军;陈亚军;张二虎;朱虹 -专利权人：西安理工大学
申请日： 2016-01-21 - 公布日： 2019-07-23 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了图像局部特征语义分布结构和样本分布结构融合编码方法，首先获取图像的多尺度稠密SIFT局部特征，然后用K‑means聚类获取局部特征的语义中心，用χ²测度度量局部特征语义分布结构；基于图像的局部特征用Hausdorff距离度量图像样本分布结构；基于词包模型编码的图像样本分布结构度量。最终通过矩阵谱优化求解的方法融合结构获得局部低维紧实的局部特征，用K‑means聚类获取局部特征的新的语义中心，对每一幅图像进行特征量化编码，获得分类判别能力强的图像特征描述。本方法不仅考虑局部特征语义中心间分布结构，而且考虑图像样本间分布结构，将以上两种结构统一到一种框架下，从而得到图像紧实的局部特征和分类判别能力强的图像结构信息融合编码。
图像局部特征语义分布结构样本融合编码方法

[发明专利]一种联合结构化稀疏表示与低维嵌入的字典学习方法-CN201810444013.6在审
发明人：陈万军;张二虎;蔺广逢 -专利权人：西安理工大学
申请日： 2018-05-10 - 公布日： 2018-09-25 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种联合结构化稀疏表示与低维嵌入的字典学习方法，字典构造与降维投影矩阵并行交替进行，通过在低维投影空间中强迫具有块对角化结构的稀疏表示系数矩阵来增强字典的类间不相干性，与此同时，利用类别子字典上的表示系数的低秩性来保持字典的类内相关性，字典构造与投影学习能够互相促进，以充分保持数据的稀疏结构，从而编码出更具有类别判别力的编码系数，本发明解决了现有技术中存在的字典学习方法中由于训练样本数据的高维特性和缺乏严格块对角化结构约束的字典而使得所编码出的表示系数类别判别能力弱、区分性不强的问题。
字典稀疏表示字典学习低维块对角化结构化嵌入的训练样本数据编码系数结构约束类别判别投影矩阵投影空间稀疏结构系数矩阵系数类别区分性低秩高维降维投影并行联合学习

[发明专利]图像多特征动态结构融合的标记传播分类方法-CN201710205296.4在审
发明人： 蔺广逢;缪亚林;陈万军;陈亚军;张二虎;朱虹 -专利权人：西安理工大学
申请日： 2017-03-31 - 公布日： 2017-07-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种图像多特征动态结构融合的标记传播分类方法，具体按照以下步骤实施步骤1，初始化图像标记矩阵并计算各特征的相似矩阵；步骤2，建立特征结构线性模型，并求解线性规划问题优化式；步骤3，基于各特征结构关系的标记传播；步骤4，判断标记相对误差是否符合要求。本发明一种图像多特征动态结构融合的标记传播分类方法能够获得更加准确的图像半监督分类，更加准确的进行图像内容识别。
图像特征动态结构融合标记传播分类方法

[发明专利]图像特征的显著结构和相关结构融合方法-CN201410107862.4有效
发明人： 蔺广逢;缪亚林;陈万军;陈亚军;张二虎;朱虹 -专利权人：西安理工大学
申请日： 2014-03-21 - 公布日： 2017-06-20 - 主分类号： G06T5/50 文献下载
摘要：图像特征的显著结构和相关结构融合方法，包括图像的HOG特征和LBP特征的提取步骤、样本集内部图像特征的显著结构的度量步骤、样本集之间图像特征的相关结构的度量步骤和显著结构和相关结构融合映射步骤。本发明首先提取图像的HOG特征和LBP特征，然后用χ2测度度量样本集内部图像特征的显著结构，用典型相关度量样本集之间图像特征的相关结构的度量，最终通过矩阵谱优化求解的方法融合结构，获得融合后的特征集，解决了现有技术无法将图像多特征的显著结构和相关结构融合的问题，并获得了判别能力强的结构融合特征。
图像特征显著结构相关融合方法

1
2
下一页»
尾页
共 19 条