“谢昱锐”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14个，建议您升级VIP下载更多相关专利

[发明专利]一种有效的基于潜在视觉属性挖掘的零样本学习方法-CN201910778304.3有效
发明人： 谢昱锐;何小海;张津;罗晓东;卿粼波;吴小强 -专利权人：四川大学
申请日： 2019-08-22 - 公布日： 2023-04-18 - 主分类号： G06V10/772 文献下载
摘要：本发明公开了一种基于潜在视觉属性挖掘的零样本学习方法。该发明主要涉及以下步骤：首先在原特征域计算人工定义属性表示的特征映射矩阵、并通过稀疏字典模型的优化，挖掘潜在视觉属性集合。进一步构建了一种成对视觉字典模型，将原特征域获取的映射关系作为约束信息，引导目标特征域的学习。最后，对输入图像提取深度残差网络(ResNet)视觉特征，获取特征判别性语义表示，实现图像标签类别的预测。本发明所描述的图像识别方法具有无人工参与、识别率高、鲁棒性强等优点，针对少量样本及零样本情况下语义对象的识别这一特定领域，具备一定使用价值，可以进行实际应用。
一种有效基于潜在视觉属性挖掘样本学习方法

[发明专利]一种Robert边缘检测膜计算系统及方法-CN201810429215.3有效
发明人：袁建英;蒋涛;李晨;付克昌;刘甲甲;黄小燕;张婷;谢昱锐 -专利权人：成都信息工程大学
申请日： 2018-04-28 - 公布日： 2022-09-16 - 主分类号： G06T7/13 文献下载
摘要：本发明公开了一种Robert边缘检测膜计算系统及方法，该系统包括3个膜，采用膜计算系统结构，设计了基于膜计算系统的Robert边缘检测执行框架，利用膜计算系统在线性时间内能产生指数增长空间的特性，不管图像分辨率如何增加，所需的计算复杂度为O(1)。其核心优势在于充分利用酶数值膜系统的并行性、酶变量对算法逻辑的可控性、酶数值膜系统以数值变量为处理对象。
一种 robert 边缘检测计算系统方法

[发明专利]基于多模态矩阵向量表示的专利文本检索方法及装置-CN202210694893.9有效
发明人：许林;李一君;郑倩;蒋涛;刘甲甲;袁建英;谢昱锐 -专利权人：成都信息工程大学;山西省检验检测中心（山西省标准计量技术研究院）;郑州轻工业大学
申请日： 2022-06-20 - 公布日： 2022-09-09 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种基于多模态矩阵向量表示的专利文本检索方法及装置，根据已有专利数据集，训练得到所有词的词向量集合，可以使得词向量中包含所有关键词的信息，并且通过已有专利数据集训练得到图像向量化表示模型，对专利中的附图进行提取，得到对应附图的图向量，将图向量和词向量相结合，在专利检索时，充分利用专利中的附图包含有大量有用信息，同时满足了当前市场上存在一些以图搜文，或以文搜图，以及以图搜图的检索需求，并且还使得专利检索的结果更加精确。
基于多模态矩阵向量表示专利文本检索方法装置

[发明专利]基于双向扩展随机树的智能车路径规划方法-CN201910328124.5有效
发明人：付克昌;杨瑶;蒋涛;周楠;郭德全;张国良;刘甲甲;袁建英;谢昱锐 -专利权人：成都信息工程大学
申请日： 2019-04-23 - 公布日： 2022-07-19 - 主分类号： G01C21/34 文献下载
摘要：本发明公开了一种基于双向扩展随机树的智能车路径规划方法，其包括生成曲线，当曲线上有障碍物时构建起点相反的两棵扩展树；在地图上生成随机点，并查找扩展树距离随机点最近的节点；判断随机点与节点的连线上是否有障碍物；若有，则重新生成随机点，若无，在随机点与节点的连线上取一个新节点；判断最近的节点与新节点之间的连线上是否有障碍物，若有，则重新生成随机点，否则根据障碍物安全距离约束更新节点；之后根据智能车辆最大转向约束及节点，选取节点的父节点和子节点；判断两棵扩展树之间的距离是否小于设定阈值，若大于，则重新生成随机点，否则，根据两扩展树节点反向选取节点到起始点和目标点的路径构成智能车规划路径。
基于双向扩展随机智能路径规划方法

[发明专利]一种基于视觉的智能车环境动态目标检测的方法-CN202010580747.4有效
发明人：袁建英;蒋涛;李平;漆军;周楠;谢昱锐;付克昌 -专利权人：成都信息工程大学
申请日： 2020-06-23 - 公布日： 2022-06-17 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种基于视觉的智能车环境动态目标检测的方法，包括：在智能车移动期间，设置在所述智能车上的双目立体相机通过采集当前的场景图像，得到当前的双目视频序列图像；从所述双目视频序列图像中选取第t时刻图像和t‑1时刻图像，并利用所述第t时刻图像和所述t‑1时刻图像，计算混合光流；根据所述第t时刻图像、所述t‑1时刻图像，计算所述双目立体相机运动背景光流；利用所述混合光流和所述运动背景光流，得到仅由目标运动产生的残差流；通过对所述残差流进行处理，得到独立的运动目标。
一种基于视觉智能环境动态目标检测方法

[发明专利]基于判别性视觉属性的零样本识别方法及系统-CN202011337219.2有效
发明人： 谢昱锐;蒋涛;袁建英;许林 -专利权人：成都信息工程大学
申请日： 2020-11-25 - 公布日： 2022-06-07 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种基于判别性视觉属性的零样本识别方法及系统，方法包括以下步骤：S1：构建稀疏编码模型，基于原特征域样本数据优化稀疏编码模型得到视觉特征到人工定义属性表示的原特征域变换关系；S2：引入分类错误代价项构建监督字典学习目标模型，提取原特征域判别性视觉属性集合；S3：基于原特征域变换关系及原特征域判别性视觉属性集合，构建目标特征域学习模型，挖掘目标特征域判别性视觉属性；S4：输入包含语义对象的待测图像，通过深度残差网络提取待测图像的深度视觉特征，并优化稀疏编码目标函数，得到待测图像视觉特征的语义属性表示。本发明能解决人工定义属性在识别时导致特征表示语义信息的匮乏问题，增强视觉特征表示的判别能力。
基于判别视觉属性样本识别方法系统

[发明专利]基于深度卷积神经网络的磁共振成像方法-CN201811388227.2有效
发明人：许林;蒋涛;刘甲甲;袁建英;谢昱锐;熊良 -专利权人：成都信息工程大学
申请日： 2018-11-21 - 公布日： 2022-03-15 - 主分类号： A61B5/055 文献下载
摘要：本发明属于磁共振成像技术领域，公开了一种基于深度卷积神经网络的磁共振成像方法；通过K空间中间区域全采样而周围随机降采样，对全采样区域通过算法多次随机降采样采集训练样本来训练卷积神经网络自编码器，利用训练好的卷积神经网络自编码器模型重建周围降采样的K空间数据；最后利用反傅里叶变换得到图像并通过去除算法去除噪声；通过本发明，解决了相关技术中需要大量训练图像的问题，进而达到了提高磁共振成像速度的效果。本发明通过深度卷积网络在K空间进行数据的训练，并在随机降采样区域完成数据的恢复，从而完成磁共振成像的加速扫描和重建。
基于深度卷积神经网络磁共振成像方法

[发明专利]基于传统和深度学习结合的运动目标检测方法-CN202111176760.4在审
发明人：蒋涛;崔亚男;谢昱锐;付克昌;袁建英;吴思东;黄小燕;刘明文;段翠萍;罗鸿明 -专利权人：成都信息工程大学
申请日： 2021-10-09 - 公布日： 2022-01-11 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于传统和深度学习结合的运动目标检测方法，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标记。本发明公开一种基于传统和深度学习结合的运动目标检测方法，能有效提高算法实时性，同时通过提高自运动参数估计的精度提升检测精度。
基于传统深度学习结合运动目标检测方法

[发明专利]基于改进SOLOv2的校园场景图像分割方法-CN202111177879.3在审
发明人：蒋涛;罗鸿明;谢昱锐;吴思东;袁建英;胡泽;王月红;崔亚男;段翠萍;罗辉 -专利权人：成都信息工程大学
申请日： 2021-10-09 - 公布日： 2022-01-11 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于改进SOLOv2的校园场景图像分割方法，包括：步骤1：对待检测图像进行主干网络特征提取以得到对应的多层特征信息；步骤2：将多层特征信息送入到改进后的特征金子塔中进行细化并融合；步骤3：将融合后的信息送入到Head头部进行分析，通过两个并行的子通道，进行类别信息分析和mask实例分割；步骤4：通过矩阵非极大值抑制保留最高置信度的掩码信息以及类别信息，步骤5：将mask特征图映射回原图像上，输出带有特征mask掩码的图像。本发明提供一种基于改进SOLOv2的校园场景图像分割方法，能有效提升了对密集人群情况下的分割精度和召回率，且在面对目标遮挡和物体残缺的情况下，本发明算法的性能明显优先于其他算法。
基于改进 solov2 校园场景图像分割方法

[发明专利]一种基于类内视觉模式分享的图像分类方法-CN201910830812.1在审
发明人： 谢昱锐;刘甲甲 -专利权人：成都信息工程大学
申请日： 2019-09-03 - 公布日： 2019-12-20 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于类内视觉模式分享的图像分类方法，包括以下步骤：图像对象性窗口生成；图像窗口深度特征提取；基于类内分享特性的视觉字典学习：根据所有语义类别图像的候选对象性窗口的深度特征，通过优化视觉字典学习模型，获取具有类内分享特性的结构化视觉字典；输入图像对象性窗口生成及特征提取；对象性窗口的特征编码；视觉特征集成并构建图像全局特征；SVM分类器语义标签预测。本发明从更具有实用价值的引入视觉模式分享特性的角度去分析解决问题，通过协同挖掘各语义类别内具有分享特性的视觉字典单词，实现了图像特征表示语义性的增强，提高了图像类别识别的准确性。
视觉深度特征视觉模式语义类别字典学习对象性图像特征表示候选对象视觉特征输入图像特征编码特征提取图像窗口图像对象图像分类图像类别图像全局语义标签字典单词结构化语义性构建字典协同图像挖掘引入预测优化分析

[发明专利]一种泡棉信息喷印与分拣设备-CN201811450572.4在审
发明人：刘甲甲;张国良;蒋涛;范峥荣;谢昱锐;袁建英 -专利权人：成都信息工程大学
申请日： 2018-11-30 - 公布日： 2019-05-17 - 主分类号： B07C5/34 文献下载
摘要：本发明公开了一种泡棉信息喷印与分拣设备，包括信息喷印设备，信息喷印设备包括支架，安装在支架上用于转运泡棉的泡棉拾取机械手、用于泡棉信息识别的读码器和用于泡棉信息喷印的信息喷应装置；信息喷印设备外侧的分拣设备，分拣设备包括分拣储物柜和安装在分拣储物柜上端的分拣装置，分拣装置包括转动的分度盘，沿分度盘圆周方向均匀分布用于码放泡棉拾取机械手抓取泡棉的多个泡棉挡框；检测系统和控制系统。本发明提供了一种自动化程度高，用于对泡棉进行信息喷印与分拣的设备，该设备中，信息喷印设备能快速的对泡棉进行信息识别并喷印相应信息，与此同时，泡棉拾取机械手快速将喷印好信息的泡棉转运到分拣设备中泡棉所对应的工位。
泡棉喷印分拣设备喷印设备分拣拾取机械手分拣装置信息识别分度盘支架转运机械手抓取检测系统控制系统储物柜读码器储物挡框工位码放转动自动化

[实用新型]一种角度固定稳定的半自动机器视觉检测仪-CN201820372443.7有效
发明人：刘甲甲;蒋涛;袁建英;谢昱锐;许林;黄小燕 -专利权人：成都信息工程大学
申请日： 2018-03-19 - 公布日： 2018-10-12 - 主分类号： G01D11/16 文献下载
摘要：本实用新型涉及机器视觉技术领域，且公开了一种角度固定稳定的半自动机器视觉检测仪，包括底座，所述底座的顶部固定连接有固定板，两个所述固定板的相对面均固定连接有连接块，两个所述连接块的背面固定连接有滑块，所述底座的顶部固定连接有固定杆，所述固定杆的顶部固定连接有检测机器，所述检测机器的正面开设有滑槽，两个所述固定板的相背面均螺纹连接有固定螺钉，所述检测机器的左侧和右侧均开设有螺纹孔，所述检测机器的左侧和右侧均开设有活动槽，所述活动槽的内部活动连接有活动块，所述活动块的正面有螺纹洞。该角度固定稳定的半自动机器视觉检测仪，实现了角度固定稳定的目的。
角度固定机器视觉检测固定板底座检测固定杆活动槽活动块机器视觉技术本实用新型活动连接有背面固定固定螺钉螺纹连接螺纹洞螺纹孔相对面滑槽滑块背面

[实用新型]一种机器视觉检测物体表面的高灵活性拍摄装置-CN201820371728.9有效
发明人：刘甲甲;蒋涛;张国良;杨强;许林;谢昱锐 -专利权人：成都信息工程大学
申请日： 2018-03-19 - 公布日： 2018-09-21 - 主分类号： G01C11/02 文献下载
摘要：本实用新型涉及拍摄设备技术领域，且公开了一种机器视觉检测物体表面的高灵活性拍摄装置，包括主体箱，所述主体箱的内底壁固定安装有控制箱，所述控制箱的内底壁固定安装有电机，所述电机的输出轴贯穿并延伸至控制箱的外部，所述电机的输出轴通过联轴器固定连接有螺纹杆，所述螺纹杆的顶端通过轴承与主体箱的内顶壁固定连接，所述螺纹杆的外表面螺纹连接有螺纹管，所述螺纹管的外表面固定安装有环形滑槽，所述环形滑槽的内部活动连接有滑块，所述滑块的右侧固定连接有滑杆，所述滑杆延伸至环形滑槽的外部，所述滑杆的内部固定连接有第一转轴。该机器视觉检测物体表面的高灵活性拍摄装置，方便调节角度，高灵活性，省时省力。
高灵活性机器视觉检测环形滑槽拍摄装置物体表面控制箱螺纹杆主体箱滑杆电机螺纹管内底壁输出轴滑块本实用新型活动连接有联轴器固定外表面螺纹方便调节内部固定拍摄设备内顶壁外部延伸省时转轴省力轴承贯穿

[发明专利]一种弱监督条件下的共同对象检测方法-CN201310179996.2有效
发明人：李宏亮;谢昱锐 -专利权人：电子科技大学
申请日： 2013-05-15 - 公布日： 2016-10-12 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种弱监督条件下的共同对象检测方法，属于图像处理技术领域。本发明首先对输入图像进行对象级检测，获取每幅图像的各初始对象区域；并对初始对象区域进行筛选处理，得到包含一致对象的候选对象区域；然后基于字典对各候选对象区域的特征进行对象特征表示，得到中层特征；对同一类别对象，基于每幅图像候选对象区域的中层特征，对各幅图像进行共同对象定位，得到共同对象区域；再提取每幅图像所述的共同对象区域的特征信息，对字典进行更新；共同对象定位和字典学习交替重复进行，直到达到设定的检测精确度或最大迭代次数M。本发明能基于弱监督力的类别标注信息，经过多次字典更新后实现共同对象检测。
一种监督条件下共同对象检测方法

1
共 14 条