“项欣光”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15个，建议您升级VIP下载更多相关专利

[发明专利]基于Transformer的多尺度特征表示的图像去雾方法-CN202211649550.7在审
发明人： 项欣光;孙浩天;陶叔银 -专利权人：南京理工大学
申请日： 2022-12-21 - 公布日： 2023-04-11 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于Transformer的多尺度特征表示的图像去雾方法，首先对输入图像进行浅层特征提取；其次通过编码模块获取低维度的表征；之后对所得特征信息通过平滑空洞卷积进行特征转换；然后对特征图通过解码模块逐步恢复空间维度，融合编码过程中提取到的特征，在尽可能减少信息损失的前提下完成同尺寸输入输出；其中解码模块包含若干个阶段，每个阶段包含一个Transformer Block和一个上采样层；最后通过残差操作复原图像。本发明简单且高效，将Transformer应用于图像去雾领域，并解决Transformer对局部信息提取的不足导致恢复的图像细节粗糙的问题。
基于 transformer 尺度特征表示图像方法

[发明专利]基于多模态语义嵌入的人体动作识别方法及系统-CN202211653534.5在审
发明人： 项欣光;张振琦;舒祥波;陶叔银 -专利权人：南京理工大学
申请日： 2022-12-21 - 公布日： 2023-04-11 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于多模态语义嵌入的人体动作识别方法及系统，该方法包括：构建网络模型，其中包括一个用于提取视频时空特征的视频编码器和一个用于提取视频标签文本特征的文本编码器；提取视频中的时空特征以及视频标签中的文本特征，分别将时空特征和文本特征映射到一个公共空间；通过相似度计算模块，计算出两种模态之间的对称相似性得分；之后利用Kullback‑Leibler(KL)散度计算对比损失，对网络模型进行优化，使成对视频和标签表示相互靠近；利用所述优化后的模型对人体动作视频进行预测。本发明通过引入文本模态的信息，将动作识别建模为视频文本多模态对比学习问题，增强了语义性，提高了动作识别的精确度。
基于多模态语义嵌入人体动作识别方法系统

[发明专利]一种多模态交互的跨模态检索方法及系统-CN202210946187.9有效
发明人： 项欣光;南海晶;金露 -专利权人：南京理工大学
申请日： 2022-08-09 - 公布日： 2022-11-04 - 主分类号： G06F16/583 文献下载
摘要：本发明涉及一种多模态交互的跨模态检索方法及系统。该方法包括提取图文对中的图像特征和文本特征；将图像特征和文本特征分别映射到一个公共空间，确定图像的全局语义表示和文本的全局语义表示的相似度分数；根据相似度分数和图文对的真实标签，利用对比学习的方法，优化图像特征和文本特征；对优化后的图像特征和优化后的文本特征进行多模态上下文语义信息的学习，确定优化后的图像特征和优化后的文本特征的多模态融合表示；利用多模态注意力模块对多模态融合表示、优化后的图像特征和优化后的文本特征进行多模态注意力交互，确定联合表示；根据联合表示确定对应的匹配分数，根据匹配分数确定检索结果。本发明能够提高跨模态检索的精度。
一种多模态交互跨模态检索方法系统

[发明专利]一种清晰特征融合的视频去模糊方法-CN202010368483.6有效
发明人： 项欣光;魏颢;潘金山 -专利权人：南京理工大学
申请日： 2020-04-30 - 公布日： 2022-10-21 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种清晰特征融合的视频去模糊方法。首先选取连续的多个模糊视频帧，使用光流估计的网络估计出连续帧之间的光流，并通过估计出来的光流对相邻帧进行图像扭转，然后将扭转后的结果和原始模糊帧序列作为去模糊网络的输入，再然后选取多个清晰帧通过一个清晰特征提取模块，得到清晰特征并融入去模糊的网络，最后去模糊网络输出相对清晰的视频帧。该方法对清晰帧的场景鲁棒、任意场景的清晰帧都可以用来做特征融合并有助于视频帧的重建，方便有效。
一种清晰特征融合视频模糊方法

[发明专利]基于循环生成对抗网络的单幅图像去雨方法-CN201911281504.4有效
发明人： 项欣光;韩科文 -专利权人：南京理工大学
申请日： 2019-12-09 - 公布日： 2022-09-27 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于循环生成对抗网络的单幅图像去雨方法，首先构建DCycleGAN模型；然后设计DCycleGAN模型的损失函数；其次采用成对和未成对两种训练方式训练DCycleGAN模型；最后将测试集输入训练好的DCycleGAN模型，获得去雨后的干净图像，完成单幅图像去雨任务。本发明采用分解的思想，支持使用成对和未成对两种方式进行训练，能够解决循环生成对抗网络在图像去雨时使用未成对训练可能出现的色彩偏移和背景模糊问题，在成对训练方式上的评估指标优于现有方法。
基于循环生成对抗网络单幅图像方法

[发明专利]一种基于运动估计共享的雾霾视频压缩方法-CN201910338456.1有效
发明人： 项欣光;施宇 -专利权人：南京理工大学
申请日： 2019-04-25 - 公布日： 2022-08-12 - 主分类号： H04N19/176 文献下载
摘要：本发明提供了一种基于运动估计共享的雾霾视频压缩方法，读取原始序列中连续的n帧，中间一帧为当前待去雾及编码的帧，其他帧作为参考帧；将视频帧划分为若干互不重叠的宏块，遍历所有可能的运动矢量，利用运动矢量对当前帧的透射率图进行优化并去雾；利用同样的运动矢量对原始视频序列进行初始压缩编码；基于不同的运动矢量对应的去雾效果及编码性能决策当前帧与参考帧之间的最佳运动矢量，基于不同的宏块划分模式对应的去雾效果和压缩编码性能对宏块的划分模式进行最优化决策，确定宏块划分模式并得到该模式下相对应的运动矢量以及无雾视频序列，利用决策的宏块划分模式及相应的运动矢量，对去雾后的无雾视频序列进行最终的压缩编码。
一种基于运动估计共享视频压缩方法

[发明专利]基于排序池化融合空间特征的视频动作识别方法-CN201810177015.3有效
发明人： 项欣光;赵恒颖 -专利权人：南京理工大学
申请日： 2018-03-04 - 公布日： 2022-03-18 - 主分类号： G06T7/215 文献下载
摘要：本发明提供了一种基于排序池化融合空间特征的视频动作识别方法，包括：采用视频局部特征描述子算法对每个视频提取基本视觉特征向量集；对每个视频每帧图像的二维空间进行多尺度分割，构建二维空间金字塔模型；对金字塔模型中每个子空间内的视频基本特征向量集按照帧序列时间顺序排列；对每个子空间内的有序基本特征向量序列单独进行smooth操作；对每个子空间内经smooth操作后的有序特征向量序列单独运用排序池化算法，学习得到属于该子空间的模型参数；将金字塔模型中所有子空间得到的模型参数进行串联，得到的特征向量作为视频最终特征向量；通过使用分类器对该视频特征向量进行分类，识别出该视频的动作类别。
基于排序融合空间特征视频动作识别方法

[发明专利]一种基于元辅助学习的图像去雾方法及系统-CN202111534949.6在审
发明人： 项欣光;陈卓鹏;金露 -专利权人：南京理工大学
申请日： 2021-12-15 - 公布日： 2022-03-15 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于元辅助学习的图像去雾方法及系统，方法包括：构建数据集；所述数据集包括人工合成的雾图数据集以及天然雾图数据集；所述天然雾图数据集包括多张真实雾天图像；构建卷积网络模型；所述卷积网络模型包括编码器、解码器、元学习单元以及辅助学习单元；利用卷积网络模型对所述合成雾图以及所述真实雾天图像进行特征提取，得到图像特征数据；利用所述图像特征数据以及所述清晰图像对所述卷积网络模型进行优化，得到优化后的卷积网络模型；利用所述优化后的卷积网络模型对待测雾图进行去雾处理。本发明通过引入辅助学习单元，使得合成雾图与真实雾天图像的数据分布一致，提高了卷积网络模型的去雾性能。
一种基于辅助学习图像方法系统

[发明专利]一种基于局部特征和图卷积的行人重识别方法及系统-CN202111466902.0在审
发明人： 项欣光;汪子祥;金露 -专利权人：南京理工大学
申请日： 2021-12-03 - 公布日： 2022-03-11 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及一种基于局部特征和图卷积的行人重识别方法及系统，所述方法包括如下步骤：获取待识别视频序列的N帧图片；分别对每帧的图片进行分块，并分别对每个图像块的特征进行平均池化处理，得到第一特征矩阵；对所述第一特征矩阵进行空间特征提取，获得空间特征；采用图卷积的方式，对第一特征矩阵进行时间特征提取，获得时间特征；将待识别视频序列的时间特征和空间特征进行拼接，获得所述待识别视频序列的拼接特征；根据拼接特征待识别视频序列中的行人。本发明通过进行分块处理，实现局部特征的区分，采用图卷积关注每个图像块中变化的特征，将时间变化特征和每个局部空间特征进行结合识别，提高了行人重识别的区分度。
一种基于局部特征图卷行人识别方法系统

[发明专利]基于矩形框坐标变换的多方向文本行检测方法-CN201810179236.4有效
发明人： 项欣光;张丽飞 -专利权人：南京理工大学
申请日： 2018-03-05 - 公布日： 2022-03-04 - 主分类号： G06V30/148 文献下载
摘要：本发明提供了一种基于矩形框坐标变换的多方向文本行检测方法，包括：输入待检测的图像，对其拆分为Y、R、G、B通道，并得到对应的反向通道；对候选字符区域采用基于距离和相似度的连接算法进行有效字符对连接；对每一通道图像融合基于特征过滤的ER算法和基于宽高比约束的MSER算法进行候选字符的提取；对未连接的候选字符进行坐标变换，再进行字符对连接；采用基于文本行线性约束的方法进行文本行的连接；统计文本行中经过坐标变换的字符的数量，超过行内字符数的一半，则将文本行矩形框进行逆向坐标变换；采用基于模板匹配和文本行内字符统计特征的方法进行文本行的过滤，得到最终的文本行检测结果。
基于矩形坐标变换多方文本检测方法

[发明专利]一种基于标签的异质图推荐算法-CN202111232670.2在审
发明人：杜晓宇;陈正;项欣光 -专利权人：南京理工大学
申请日： 2021-10-22 - 公布日： 2022-01-28 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开一种基于标签的异质图推荐算法。包括以下步骤：(1)：构建异质图：构建用户‑物品、用户‑标签、物品‑标签三种异质关系图；(2)：初始化：为图中每个节点关联一个嵌入表示，并进行初始化；将嵌入表示划分为多个分离的块，每个块对应一种属性；(3)：异质图解耦层；步骤(4)：高阶信息传播：将异质图解耦层堆叠L层，上一层的输出作为下一层的输入；步骤(5)：模型训练：使用BPR方法进行模型训练；步骤(6)：模型测试。本发明充分挖掘标签信息，减轻稀疏性，同时结合信息传播和邻域路由机制自动识别多属性问题，解耦用户的多种偏好和物品的多重特征，从而为模型提供可解释性，提高推荐模型的性能。
一种基于标签异质图推荐算法

[发明专利]基于残差学习的单幅图像去雾方法-CN201810361570.1有效
发明人： 项欣光;顾昳丽 -专利权人：南京理工大学
申请日： 2018-04-20 - 公布日： 2021-12-10 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于残差学习的单幅图像去雾方法，包括以下步骤：步骤1，制作包括有雾图像和无雾图像的训练样本；步骤2，将训练样本输入待训练的CGAN网络进行训练生成最终的训练网络；步骤3，输入有雾图像至最终的生成模型中得到清晰的无雾图像。
基于学习单幅图像方法

[发明专利]一种细粒度图像检索方法及系统-CN202110423306.8有效
发明人： 项欣光;张亚杰;金露 -专利权人：南京理工大学
申请日： 2021-04-20 - 公布日： 2021-11-16 - 主分类号： G06F16/51 文献下载
摘要：本发明涉及一种细粒度图像检索方法及系统，先计算待检索图片的哈希码，然后计算待检索图片的哈希码与数据库中每一图片的哈希码之间的汉明距离，并按照汉明距离从小到大的顺序依次选取预定个数的图片作为检索图片，由于哈希码是一种短的二进制码，其可以在数据库中进行高效的存储，进而通过计算汉明距离来表征数据之间的相似度能够缩短细粒度图像检索的时间，提高检索的时间效率。
一种细粒度图像检索方法系统

[发明专利]一种基于通道注意力和自监督约束的服装解析方法及系统-CN202110226332.1有效
发明人： 项欣光;左成婷;张冬 -专利权人：南京理工大学
申请日： 2021-03-01 - 公布日： 2021-10-15 - 主分类号： G06T7/10 文献下载
摘要：本发明涉及一种基于通道注意力和自监督约束的服装解析方法及系统，该方法包括：获取服装图片数据集，服装图片数据集中包括服装解析图；将服装图片数据集中各服装图片输入神经网络，神经网络包括通道注意力模块；基于通道注意力模块，对输入的服装图片进行多次图像特征提取，获得各服装图片的输出特征图；基于强监督约束和自监督约束，对神经网络进行迭代训练，获得训练好的神经网络模型；强监督约束为各服装图片对应的服装解析图对输出特征图的强监督约束，自监督约束为神经网络中各次解码输出数据中高层输出对低层输出的自监督约束；将待解析服装图片输入训练好的神经网络模型中，输出服装解析图。本发明减少了参数量，提高了服装解析精度。
一种基于通道注意力监督约束服装解析方法系统

[发明专利]基于局部子空间稀疏表示的单样本人脸识别方法-CN201310700295.9在审
发明人：唐振民;唐金辉;刘凡;项欣光;毕野 -专利权人：南京理工大学
申请日： 2013-12-18 - 公布日： 2015-06-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于局部子空间稀疏的单样本人脸识别方法，首先，对人脸图像进行块和子块两级划分，假设同一块内的子块在同一子空间内；然后基于稀疏表示用全部训练样本对应块内的所有子块去表示测试图像的对应块的中心子块，并计算表示系数；在此基础上求出各类别的重构残差，并依据最小残差原则确定测试图像块的类别；最后对所有测试图像块进行加权投票最终确定分类结果，各块权重可以根据稀疏表示系数的稀疏集中度计算得到。本发明不仅对表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高，而且支持高效的并行计算，从而为单样本人脸识别问题提供了一种简单有效的解决方案。
基于局部空间稀疏表示样本识别方法

1
共 15 条