“曾焕强”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119个，建议您升级VIP下载更多相关专利

[发明专利]运用改进的PolarMask进行人形轮廓检测和姿态识别的方法-CN202311119512.5在审
发明人：温廷羲;童斌斌;侯晴霏;陈雨萍;谢建华;曾焕强 -专利权人：福建环宇通信息科技股份公司
申请日： 2023-09-01 - 公布日： 2023-10-10 - 主分类号： G06V40/10 文献下载
摘要：本发明运用改进的PolarMask进行人形轮廓检测和姿态识别的方法，采用改进的PolarMask模型，基于人形轮廓特点，进行人形轮廓极坐标建模的设计；然后构建改进的PolarMask模型作为人形轮廓分割模型，加入通道注意力机制模块，在原基于YOLOV7的特征金字塔网络中添加了跳跃连接，弥补了在特征融合过程中损失的细节信息，最后，采取基于弱标签的训练策略，用于训练出一个能够识别出包含人形位置信息的矩形框和人的姿态类型的初级人形轮廓分割模型；在正式训练过程中，使用预训练出的提前学习了人形轮廓的相关信息的预训练权重进行迁移学习，在对真实的人形轮廓进行学习的过程中，使得对预测出的人形轮廓不断收敛，准确地识别出人形轮廓和姿态类型。
运用改进 polarmask 进行人形轮廓检测姿态识别方法

[发明专利]基于多池优先经验回放的强化学习网络训练方法及装置-CN202310767100.6在审
发明人：黄德天;吴娇绿;黄小茜;曾焕强;朱建清;陈婧;施一帆 -专利权人：华侨大学
申请日： 2023-06-27 - 公布日： 2023-09-22 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于多池优先经验回放的强化学习网络训练方法及装置，构建基于经验回放池和共享池的多池框架；将每个智能体对应的经验回放池中的样本按照采样概率采样至共享缓冲区中，将共享缓冲区中样本放入共享池中，将每个智能体从共享池中抽取的样本存放在各自的缓冲区中；在共享池中采用K‑means算法进行聚类，得到聚类结果，以对共享池中的样本进行清理；对强化学习网络分阶段进行训练，在不同的阶段智能体分别从其对应的经验回放池或者缓冲区中抽取样本进行学习，对经验回放池和共享池中样本的TD误差进行更新，并根据更新后的TD误差对共享池中的样本进行清理；重复交叉执行以上若干步骤，使智能体在环境异步环境下更好的探索最优策略。
基于优先经验回放强化学习网络训练方法装置

[发明专利]基于左右分和式轻量卷积神经网络的裂缝分割方法及装置-CN202311053453.6在审
发明人：朱建清;陈巍;张晓翔;赵倩倩;黄诚惕;曾焕强;陈婧;蔡灿辉 -专利权人：华侨大学
申请日： 2023-08-21 - 公布日： 2023-09-19 - 主分类号： G06T7/10 文献下载
摘要：本发明涉及图像分割领域，公开了基于左右分和式轻量卷积神经网络的裂缝分割方法及装置，方法包含以下步骤：S1，原始裂缝图片输入到左右分和式轻量卷积神经网络；S2，所述左分式结构输出特征映射#imgabs0#；S3，所述右分式结构输出特征映射#imgabs1#；S4，第i层神经构件融合左分式结构的输出特征映射#imgabs2#与右分式结构的输出特征映射#imgabs3#，输出融合特征#imgabs4#，作为下一层神经结构的输入特征映射#imgabs5#；最后一层神经构件输出的融合特征#imgabs6#作为最终输出，表达裂缝语义分割特征。本发明的左分式采用卷积与最大池化层运算，右分式采用轻量异质卷积与平均池化层运算，将左右两个分式的输出特征相加，既增强了左右分式特征学习的互补性，又实现了网络轻量化。
基于左右和式卷积神经网络裂缝分割方法装置

[发明专利]一种车道线快速检测方法、装置及可读介质-CN202310761995.2在审
发明人：黄德天;刘航;宋佳讯;曾焕强;朱建清;陈婧;陈龙涛 -专利权人：华侨大学
申请日： 2023-06-26 - 公布日： 2023-09-19 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种车道线快速检测方法、装置及可读介质，获取路况图像；构建基于编码器‑解码器的神经网络并训练，得到车道线检测模型，基于编码器‑解码器的神经网络包括主干分支和辅助分支，主干分支包括依次连接的编码器网络、CBAM注意力机制模块和解码器网络，编码器网络中包括改进的残差结构，改进的残差结构包括第一卷积层以及分别与第一卷积层连接的第一分支和第二分支，第一分支包括第二卷积层，第二分支包括依次连接的第三卷积层和第四卷积层，第一分支、第二分支与第一卷积层的输入通过加法器相连，辅助分支为实例分割网络，并仅在训练过程中使用；将路况图像输入车道线检测模型，检测得到车道线图像，提高车道线检测的准确率和检测速度。
一种车道快速检测方法装置可读介质

[发明专利]基于多尺度双向卷积的压缩视频感官质量增强方法及系统-CN202310502926.X在审
发明人：陈婧;陈柯米;曾焕强;朱建清;林琦 -专利权人：华侨大学
申请日： 2023-05-06 - 公布日： 2023-09-15 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于多尺度双向卷积的压缩视频感官质量增强方法及系统，包括：将输入的多个视频帧进行运动补偿，获得对齐后的特征；所述输入的多个视频帧包括参考帧和参考帧的前后若干相邻帧；提取对齐后的特征的时序信息，获得时空融合后的特征；提取时空融合后的特征的方向特征，获得水平特征和垂直特征；基于参考帧和相邻帧来指导水平特征和垂直特征的恢复，获得细节注意力机制处理后的特征；将通过细节注意力机制处理后的特征进行增强，获得增强后的方向特征；将增强后的方向特征与参考帧进行逐元素相加，得到增强帧。本发明能够提高重建视频帧的感官质量，恢复的重建帧更符合人类视觉系统，能够改善压缩带来的质量下降问题。
基于尺度双向卷积压缩视频感官质量增强方法系统

[发明专利]结合分类加强与细化微调的目标跟踪方法、装置及可读介质-CN202310793797.4在审
发明人：黄德天;黄小茜;徐正军;陈菲扬;曾焕强;朱建清;陈婧 -专利权人：华侨大学
申请日： 2023-06-30 - 公布日： 2023-09-12 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种结合分类加强与细化微调的目标跟踪方法、装置及可读介质，构建目标跟踪网络模型并训练，得到经训练的目标跟踪网络模型，将当前帧输入ResNet模块，将ResNet模块的输出特征输入全局感知模块，得到全局感知特征，将全局感知特征与模板帧输入分类加强模块，得到前景特征图和前景概率特征图；在第一分支中，将降维后的全局感知特征与模板帧输入判别相关滤波器，得到定位特征图；在第二分支中，将前景特征图、前景概率特征图和定位特征图融合得到混合特征图，将混合特征图与ResNet模块的部分输出特征输入微调路径模块，得到目标的掩膜，通过拟合掩膜，得到矩形框，细化微调模块根据矩形框提取目标的特征，并与模板帧做逐像素相关，得到目标跟踪框。
结合分类加强细化微调目标跟踪方法装置可读介质

[发明专利]轨迹注意力目标跟踪方法、装置及可读介质-CN202310741844.0在审
发明人：黄德天;王振严;徐正军;曾焕强;陈婧;朱建清;陈龙涛 -专利权人：华侨大学
申请日： 2023-06-21 - 公布日： 2023-09-12 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种轨迹注意力目标跟踪方法、装置及可读介质，通过特征提取网络分别对历史帧及其前景‑背景掩膜图和查询帧进行特征提取，得到历史特征图、前景‑背景掩膜特征图和查询特征图；空间注意力模块用于结合历史特征图、前景‑背景掩膜特征图和查询特征图匹配目标特征，并利用目标聚焦策略建立空间依赖关系，得到附有空间权重的历史特征图，时序注意力模块用于对时序交互后的时序响应图进行时序信息交互，得到时序交互后的时序响应图，通道融合模块用于对时序交互后的时序响应图与查询特征图进行融合，得到目标响应图；将目标响应图输入头网络预测得到目标的位置和边界框。本发明可避免空间冗余信息的干扰，有效提升辨别能力。
轨迹注意力目标跟踪方法装置可读介质

[发明专利]一种联合轨迹损失和排名损失优化的鲁棒目标跟踪器-CN202310744027.0在审
发明人：黄德天;王振严;徐正军;曾焕强;朱建清;陈婧;施一帆 -专利权人：华侨大学
申请日： 2023-06-21 - 公布日： 2023-09-12 - 主分类号： G06T7/246 文献下载
摘要：本发明提供一种联合轨迹损失和排名损失优化的鲁棒目标跟踪器，包括：步骤S1、用非权重共享的孪生骨干网络提取特征，得到模板特征图和历史特征图；步骤S2、利用模板特征图和历史特征图获得目标相似性响应图；步骤S3、利用轨迹损失学习使跟踪器学习目标的运动信息；步骤S4、利用IOU引导的排名损失优化跟踪器的分类子网络和回归子网络；步骤S5、联合轨迹损失和IOU引导的排名损失实现目标状态的估计。本发明能够提升孪生跟踪器的准确性和鲁棒性。
一种联合轨迹损失排名优化目标跟踪

[发明专利]一种布匹瑕疵检测方法、装置及可读介质-CN202310744289.7在审
发明人：黄德天;宋佳讯;林明昕;朱达欣;蔡丹玲;曾焕强;陈婧 -专利权人：华侨大学
申请日： 2023-06-21 - 公布日： 2023-09-08 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种布匹瑕疵检测方法、装置及可读介质，通过获取待检测的布匹图像和模板图像；构建改进的Yolov5s网络并训练，得到布匹瑕疵检测模型，改进的Yolov5s网络包括主干特征提取网络、颈部特征融合网络和头部预测网络，主干特征提取网络采用CSPDarkNet，颈部特征融合网络包括特征过滤金字塔网络和融合卷积块注意力模块的路径聚合网络，在训练过程中采用多类聚焦置信度损失函数代替交叉熵置信度损失函数；将待检测的布匹图像和模板图像输入布匹瑕疵检测模型，得到布匹检测结果。该方法关注实际布匹瑕疵检测中存在的瑕疵种类分布不均、不同瑕疵的检测难易程度不同等问题，通过对冗余背景特征的过滤与关键前景特征的提纯，降低网络复杂度，提高检测精度和效率。
一种布匹瑕疵检测方法装置可读介质

[发明专利]基于高位位平面预测的图像压缩与可逆数据隐藏方法-CN202310522131.5在审
发明人：邱应强;董瑞峰;曾焕强;连琼凤;林晓丹 -专利权人：华侨大学
申请日： 2023-05-10 - 公布日： 2023-09-05 - 主分类号： H04N1/32 文献下载
摘要：本发明提供一种基于高位位平面预测的图像压缩与可逆数据隐藏方法，包括：图像所有者基于像素预测值和高位位平面预测完成图像无损压缩，以及将辅助数据嵌入数据嵌入空间；图像解压方解压缩并恢复高位位平面数据后可无损恢复原始图像；云端数据嵌入者根据密钥可以提取辅助数据并定位预留的数据嵌入空间，进而完成数据嵌入得到载密加密图像；授权接收者根据拥有的密钥权限可正确提取嵌入数据或无损恢复原始图像。本发明既能实现图像无损压缩与解压缩，也能实现加密图像大容量的可逆信息隐藏，进一步加强了图像内容的保护。
基于高位平面预测图像压缩可逆数据隐藏方法

[发明专利]一种基于扩散模型校正鱼眼图像的行人再辨识方法及系统-CN202310703845.6在审
发明人：陈宇涛;吴含笑;黄麟涵;潘文杰;许恒;赵倩倩;朱建清;曾焕强 -专利权人：华侨大学
申请日： 2023-06-14 - 公布日： 2023-09-01 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于扩散模型校正鱼眼图像的行人再辨识方法及系统，方法包括：校正步骤，构造一个基于扩散模型的鱼眼行人图像校正网络用于鱼眼行人图像去畸变；模型训练步骤，构造一个双分支深度学习网络，联合使用校正行人图像和鱼眼行人图像训练行人再辨识模型，充分使用行人图像信息提升再辨识精度；再辨识图像获取步骤，使用获取的行人再辨识模型，对查询图像和注册图像进行特征提取，分别选取与查询图像特征距离近的注册图像。本发明能够解决鱼眼镜头下行人图像畸变失真，难以匹配的问题，提高鱼眼图像行人再辨识的准确性和研判观察的视觉舒适性。
一种基于扩散模型校正图像行人辨识方法系统

[发明专利]基于卷积神经网络的3D-HEVC深度图帧内编码单元划分方法及装置-CN202310550087.9在审
发明人：陈婧;周廷开;曾焕强;朱建清;施一帆;林琦 -专利权人：华侨大学
申请日： 2023-05-16 - 公布日： 2023-08-29 - 主分类号： H04N19/597 文献下载
摘要：本发明公开了一种基于卷积神经网络的3D‑HEVC深度图帧内编码单元划分方法及装置，通过构建编码单元划分预测模型并训练，采用3D‑HEVC编码器对当前待编码块进行编码，在编码过程中确定编码单元的当前尺寸和当前编码量化参数；根据编码单元的当前尺寸和/或当前编码量化参数确定在编码过程中采用速度模式或性能模式，在速度模式中，将预测值作为当前待编码块的划分结果；在性能模式中，使用3D‑HEVC编码器预测当前待编码块的划分结果；判断编码单元的当前尺寸是否大于第四尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复以上步骤，直至得到当前待编码块的所有划分结果，本方法在保证一定编码质量的前提下，能够显著节省深度图编码所需时间。
基于卷积神经网络 hevc 深度图帧内编码单元划分方法装置

[发明专利]基于多尺度特征融合的HEVC-SCC帧内CU快速划分编码方法及装置-CN202310911767.9在审
发明人：陈婧;李志鸿;曾焕强;林琦;朱建清 -专利权人：华侨大学
申请日： 2023-07-25 - 公布日： 2023-08-22 - 主分类号： H04N19/11 文献下载
摘要：本发明公开了一种基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法及装置，涉及视频编码领域，方法包括：首先搭建数据库，构建基于多尺度特征融合的卷积神经网络模型，并训练基于多尺度特征融合的卷积神经网络模型；其次将输入的CTU通过多尺度特征融合卷积神经网络，输出预测标签；最后为不同类型序列赋不同阈值，根据预测标签指导平台进行编码，从而跳过不必要的深度遍历。本发明提出的基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法，能够节省编码时间，明显降低屏幕内容视频的计算复杂度。
基于尺度特征融合 hevc scc cu 快速划分编码方法装置

[发明专利]模态域适应性和特征鉴别性平衡方法及行人再辨识方法-CN202310891061.0在审
发明人：许恒;詹思敏;赵倩倩;黄麟涵;陈宇涛;潘文杰;吴含笑;朱建清;曾焕强 -专利权人：华侨大学
申请日： 2023-07-20 - 公布日： 2023-08-18 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种模态域适应性和特征鉴别性平衡方法及行人再辨识方法，其中的模态域适应性和特征鉴别性平衡方法用于红外光与可见光跨模态行人再辨识。本发明在模态域适应性优化和特征鉴别性优化之间设置一个注意力模块，用模态域适应性优化函数监督注意力模块的掩码学习，并用特征鉴别性优化函数监督注意力模块的反掩码学习，从而借助注意力机制自动平衡模态域适应性和特征鉴别性之间的矛盾，改善特征学习效果，提升红外光与可见光跨模态行人再辨识准确性。本发明可以应用于智能视频监控系统中的行人身份识别、行人轨迹分析等，具有广泛的应用价值。
模态域适应性特征鉴别平衡方法行人辨识

[发明专利]基于自适应聚类和困难样本加权的无监督车辆再辨识方法-CN202310891062.5在审
发明人：朱建清;张晓翔;陈巍;赵倩倩;曾焕强;陈婧;蔡灿辉;施一帆 -专利权人：华侨大学
申请日： 2023-07-20 - 公布日： 2023-08-18 - 主分类号： G06V20/54 文献下载
摘要：本发明公开了一种基于自适应聚类和困难样本加权的无监督车辆再辨识方法，首先，利用当前聚类参数计算最合适的半径值，提升聚类伪标签对车辆样本噪声的鲁棒性；其次，记忆模块记录所有车辆样本特征向量，利用距离作为车辆样本困难程度加权依据，改善模型对困难车辆样本关注力不足的问题；最后，利用加权困难车辆样本结合对比学习方法训练车辆再辨识模型。本发明可广泛应用于智慧交通和智慧安防中的智能视频监控系统。
基于自适应困难样本加权监督车辆辨识方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 119 条