“邹腊梅”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31个，建议您升级VIP下载更多相关专利

[发明专利]一种自适应数据增强的二维人体姿态估计方法和系统-CN202011103590.2有效
发明人： 邹腊梅;车鑫;乔森;聂士伟;杨卫东 -专利权人：华中科技大学
申请日： 2020-10-15 - 公布日： 2023-02-14 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种自适应数据增强的二维人体姿态估计方法和系统，属于计算机视觉和深度学习领域。本发明不同于将数据增强作为一个独立的数据预处理步骤的常规做法，将数据增强和用于执行计算机视觉任务的卷积神经网络的训练两个独立的过程联合起来，使得数据增强能跟随卷积神经网络的训练过程实现动态更新，自适应的根据具体数据集特点和应用任务产生数据增强操作的概率分布，产生对卷积神经网络优化更加有效的训练样本，提升卷积神经网络的训练效率，同时有效增强卷积神经网络的泛化能力；本发明以数据增强模块为生成器，以卷积神经网络为判别器，通过两者“博弈”实现共同优化，最终实现执行计算机视觉任务的卷积神经网络模型更优的表现。
一种自适应数据增强二维人体姿态估计方法系统

[发明专利]一种盲超分网络建立方法、盲超分方法及存储介质-CN202211081493.7在审
发明人： 邹腊梅;连志祥;李广磊;谢佳;王皓;黎云 -专利权人：华中科技大学
申请日： 2022-09-06 - 公布日： 2022-12-27 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种盲超分网络建立方法、盲超分方法及存储介质，属于计算机视觉领域，包括：由高分辨率图像及对应的退化图像构建训练样本，并划分训练集、测试集和验证集；构建盲超分网络，包括退化估计网络和生成网络；生成网络包括上采样网络和含有交替连接的多个可变形卷积层和特征提取模块的特征提取网络；退化估计网络估计输入图像中各像素位置的退化信息并分别输入至各可变形卷积层；特征提取网络提取输入图像的特征图后，由上采样模块重建为输入图像尺寸的指定放大倍数，得到超分图像；以训练样本中的退化图像为输入图像，对盲超分网络进行训练、测试和验证，得到用于对图像进行超分辨率重建的盲超分网络。本发明能够提高超分辨率重建效果。
一种盲超分网络建立方法存储介质

[发明专利]基于特征重映射的图像多分类网络结构及训练方法-CN202210978719.7在审
发明人： 邹腊梅;李广磊;连志祥;王皓;谢佳;钟胜 -专利权人：华中科技大学
申请日： 2022-08-16 - 公布日： 2022-12-06 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于特征重映射的图像多分类网络结构及训练方法，在多分类网络训练期间，将样本同时输入至待训练的多分类网络和训练好的二分类网络，利用二分类网络输出的分类结果修正多分类网络输出的分类结果，使多分类网络在训练期间输出的正常类别概率趋近二分类网络输出的正常类别概率，实现特征重映射。通过训练好的二分类网络对多分类网络的正常样本类别结果进行修正，可以提高多分类网络对正常类别样本的识别精度，尤其是在正常样本较少的情况下，也能得到对正常类别样本的识别精度较高的多分类网络。
基于特征映射图像分类网络结构训练方法

[发明专利]基于图文语义嵌入的图文检索方法及系统-CN202210231146.1在审
发明人： 邹腊梅;乔森;连志祥;李广磊;严青;王皓;谢佳 -专利权人：华中科技大学
申请日： 2022-03-09 - 公布日： 2022-07-12 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于图文语义嵌入的图文检索方法及系统，属于多模态深度学习领域，方法包括：利用图文语义嵌入模型对待检索目标以及数据库中各相应的待匹配对象进行特征提取；特征提取包括：图像侧特征嵌入网络以分组卷积的方式对图像进行特征提取，通过动态最大最小池化对提取到的图像特征进行编码，对编码结果进行标准化处理得到图像特征嵌入向量；文本侧特征嵌入网络对文本进行特征提取，得到文本特征嵌入向量；对图像特征嵌入向量和文本特征嵌入向量进行向量拼接与交叉后输入联合嵌入网络，以得到相应图像文本对的相似度；将相似度最高的预设数量个待匹配对象作为检索结果，并输出检索结果及相应的相似度。
基于图文语义嵌入检索方法系统

[发明专利]一种基于改进的卷积神经网络的鸟类识别方法-CN201811091554.1有效
发明人： 邹腊梅;熊紫华;张松伟;李长峰;李晓光;陈婷;杨卫东 -专利权人：华中科技大学
申请日： 2018-09-18 - 公布日： 2022-04-22 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于改进的卷积神经网络的鸟类识别方法，包括：利用鸟类识别器对待识别的鸟类图像进行识别，得到待识别的鸟类图像的鸟类类别；所述鸟类识别器的训练包括：构建样本鸟类图像的数据集；在卷积神经网络的ResNet50输入层之后增加BN层，在5层卷积层之后增加2层卷积层，在FC层之前增加Dropout层，得到改进的卷积神经网络；利用样本鸟类图像的数据集训练改进的卷积神经网络，得到鸟类识别器。本发明基于迁移学习的思想，对卷积神经网络进行改进，将其应用在鸟类属性识别上，在样本量有限的前提下，获得了比改进之前的网络更好的结果。
一种基于改进卷积神经网络鸟类识别方法

[发明专利]一种基于深度学习的工业产品缺陷检测方法-CN201910723845.6有效
发明人： 邹腊梅;车鑫;俞天敏;聂士伟;张松伟;钟胜;熊紫华;李晓光;李长峰 -专利权人：华中科技大学
申请日： 2019-08-07 - 公布日： 2022-03-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的工业产品缺陷检测方法，属于计算机视觉和深度学习领域，所述方法包括：对原始工业产品图像进行像素级别的缺陷标注，并将原始工业产品图像及其对应的标注信息作为样本数据；对样本数据进行预处理和数据增强，得到训练集、测试集和验证集；构建缺陷检测网络；将所述训练集、测试集和验证集输入搭建好的缺陷检测网络进行训练，得到训练好的缺陷检测模型；将待检测的工业产品图像输入训练好的缺陷检测模型进行缺陷检测，得到所述工业产品图像的缺陷信息。本发明采用深层网络VGG16bn的特征提取网络前端进行下采样，采用亚像素卷积结构实现上采样，同时使用跳跃连接实现特征融合，可以高效、准确的检测出微小的工业产品缺陷。
一种基于深度学习工业产品缺陷检测方法

[发明专利]一种基于多尺度标签的亚像素卷积图像超分辨率重建方法-CN201810473375.8有效
发明人： 邹腊梅;李长峰;罗鸣;陈婷;熊紫华;李晓光;张松伟;杨卫东 -专利权人：华中科技大学
申请日： 2018-05-17 - 公布日： 2021-08-20 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于多尺度标签的亚像素卷积图像超分辨率重建方法，包括：建立并训练一个由特征提取结构、残差模块、上采样结构、特征重建结构以及跨尺度跳跃连接结构组成的基于多尺度标签的亚像素卷积网络,并使用该网络完成图像的超分辨率重建工作。将输入图像由RGB颜色空间转换到YCbCr颜色空间。其中，Cb、Cr两个通道使用双三次插值上采样的方法完成超分辨率重建工作。Y通道送入到训练好的网络中，输出Y通道的超分辨率重建图像。融合Y、Cb、Cr通道的超分辨率重建图像，得到最终的高分辨率图像。本发明可以快速准确地得到超分辨率图像，得到的超分辨率图像无论是在主观评测还是在客观图像质量评价方面，都能取得很好的效果。
一种基于尺度标签像素卷积图像分辨率重建方法

[发明专利]一种基于相关滤波与孪生卷积网络融合的目标跟踪方法-CN201810342324.1有效
发明人： 邹腊梅;李鹏;罗鸣;金留嘉;杨卫东;李晓光;熊紫华 -专利权人：华中科技大学
申请日： 2018-04-16 - 公布日： 2021-07-02 - 主分类号： G06T7/262 文献下载
摘要：本发明公开了一种基于相关滤波与孪生卷积网络融合的目标跟踪方法，包括：利用第一卷积网络提取已知目标位置的第(t‑1)帧图像的目标特征图，利用第二卷积网络提取第t帧图像的搜索特征图；对第(t‑1)帧图像的目标特征图进行快速傅里叶变换得到第(t‑1)帧图像的目标区域，对第t帧图像的搜索特征图进行相关滤波得到第t帧图像的搜索区域，计算第t帧图像的搜索区域和第(t‑1)帧图像的目标区域之间的互相关性，得到第t帧图像的目标得分图，根据第t帧图像的目标得分图得到第t帧图像的目标位置；进而得到视频序列中每一帧图像的目标位置，实现对视频序列的目标跟踪。本发明可以克服光照，遮挡，姿态和尺度的影响进行实时目标跟踪。
一种基于相关滤波孪生卷积网络融合目标跟踪方法

[发明专利]一种目标检测方法及系统-CN202110039522.2在审
发明人： 邹腊梅;乔森;车鑫;聂士伟;李广磊;连志祥;严青;钟胜;杨卫东 -专利权人：华中科技大学
申请日： 2021-01-13 - 公布日： 2021-05-14 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种目标检测方法和系统，针对目标检测任务需要自注意力关注特定类别目标对应原始图像所在区域的特点，将注意力机制运用于目标检测中，所设计的网络结构不同于通用的元学习网络框架，采用分类分支层所得的类别概率监督与特征提取层连接的类别注意力层，从而引导回归分支层进行目标位置的计算，实现基于类别区分的自监督注意力机制，提升目标检测模型的检测精度。进一步地，结合小样本目标检测任务由于小样本数量较少，网络难以学习到小样本特征的特点，将大样本图像和小样本图像进行拼接，作为样本图像对目标检测模型进行训练，使得网络兼顾学习大样本图像和小样本图像，从提升目标检测模型的对小样本的检测能力。
一种目标检测方法系统

[发明专利]一种基于卷积神经网络的多人姿态估计方法-CN201910136583.3有效
发明人： 邹腊梅;熊紫华;李长峰;李晓光;陈婷;张松伟;俞天敏;车鑫;颜露新;钟胜;杨卫东 -专利权人：华中科技大学
申请日： 2019-02-25 - 公布日： 2021-02-09 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于卷积神经网络的多人姿态估计方法，将待处理图像输入到已完成训练的多人姿态估计网络得到两组数据，分别为人体关键点位置数据和人体关键点映射向量数据，然后解码数据得到图像中人体关键点和人体中心点的位置，并通过映射向量将关键点映射到可聚类的二维空间，再使用k‑means算法对映射后的关键点进行聚类间接实现原始人体关键点的分组，对分组关键点分析，最终实现多人姿态估计。本发明提出的多人姿态估计网络由特征提取网络、特征通道压缩模块、人体关键点位置分支模块和人体关键点映射向量分支模块四部分组成，可以实现端到端的训练和预测。本发明是一种自下而上多人姿态估计方法，在速度和准确率上均有良好表现。
一种基于卷积神经网络姿态估计方法

[发明专利]一种基于词向量数据驱动的商品智能推荐方法-CN201710112484.2有效
发明人： 邹腊梅;高亚红;杨卫东;李晓光;曹治国;熊紫华;陈婷;李鹏 -专利权人：华中科技大学
申请日： 2017-02-28 - 公布日： 2020-12-29 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开了一种基于词向量数据驱动的商品智能推荐方法，包括数据预处理、词向量生成、构建预测评分模型、模型训练和预测评分步骤；该方法在训练模型时，采取词向量方法，将用户编号、商品编号及商品评分作为有语义的词，先通过独热编码将其变为稀疏向量，然后乘以权重矩阵将高维且稀疏的原始向量映射到一个稠密、连续、固定维度且维度低的特征空间，再将此作为输入在深度模型中进行训练得到模型各层的权重参数，用训练好的模型对新用户对于商品的喜好程度进行预测与评分，进而完成对用户进行商品的智能推荐；本发明提供的方法将对文本分类的词向量方法应用在基于电商平台的用户对商品喜好程度的评分预测和商品推荐中，在确保精度的同时，也能提供较好的可解释性。
一种基于向量数据驱动商品智能推荐方法

[发明专利]一种基于可变形卷积网络的人脸检测方法及系统-CN201810542168.3有效
发明人： 邹腊梅;李晓光;熊紫华;陈婷;杨卫东;李长峰;张松伟;黎云 -专利权人：华中科技大学
申请日： 2018-05-30 - 公布日： 2020-12-08 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于可变形卷积网络的人脸检测方法及系统，包括：接收输入的图像，所述图像中包括待检测的人脸信息；通过主干网络提取图像的特征，所述特征包括语义特征和偏移量特征；通过可变形卷积分别输出图像的语义特征和偏移量特征；根据图像的语义特征，通过分类子网络输出锚点框包含人脸的概率；根据图像的语义特征，通过IOU预测分支输出各个预测框与人脸的重叠程度IOU；根据图像的偏移量特征，通过位置回归子网络输出各个预测框对应的人脸大小和位置。本发明可以准确预测图像中的人脸。
一种基于变形卷积网络检测方法系统

[发明专利]基于多层特征融合的全卷积孪生网络的目标跟踪方法及系统-CN201810878152.X有效
发明人： 邹腊梅;陈婷;李鹏;张松伟;李长峰;熊紫华;李晓光;杨卫东 -专利权人：华中科技大学
申请日： 2018-08-03 - 公布日： 2020-09-08 - 主分类号： G06T7/223 文献下载
摘要：本发明公开了基于多层特征融合的卷积孪生网络的目标跟踪方法及系统，该方法包括：根据图像的目标位置和大小，裁剪出图像序列训练集中的所有图像的目标模板图像和搜索区域图像，目标模板图像和搜索区域图像组成的图像对构成训练数据集；构建基于多层特征融合的卷积孪生网络；基于训练数据集，训练所述基于多层特征融合的卷积孪生网络，获得训练好的基于多层特征融合的卷积孪生网络；使用训练好的基于多层特征融合的卷积孪生网络进行目标跟踪。本发明在跟踪目标的过程中，融合不同层的得分图，结合高层语义特征与底层细节特征，更好地区分相似或同类目标的干扰，防止跟踪过程中的目标漂移和目标丢失问题。
基于多层特征融合卷积孪生网络目标跟踪方法系统

[发明专利]一种基于空洞卷积的自适应感受野人群密度估计方法-CN202010113227.2在审
发明人： 邹腊梅;俞天敏;车鑫;李长峰;乔森;聂士伟;钟胜;杨卫东 -专利权人：华中科技大学
申请日： 2020-02-24 - 公布日： 2020-08-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于空洞卷积的自适应感受野人群密度估计方法，属于计算机视觉领域，该方法包括：对原始数据集图像和人群密度图进行切分，得到图像块和人群密度图块；构建自适应感受野人群密度估计网络并进行训练；该模型包括空洞卷积模块和分类模块；分类模块，对切分后的图像块进行分类；空洞卷积模块，根据分类模块输出的图像块类别，自适应选择对应感受野的空洞卷积子网络，对切分后的图像块进行特征提取，得到人群密度图；将待预测图片输入训练好的自适应感受野人群密度估计模型，得到人群密度估计结果。本发明方法能够自适应选择对应感受野的空洞卷积子网络进行人群密度估计，解决了透视畸变的问题，从而提高了人群密度估计的准确率。
一种基于空洞卷积自适应感受野人密度估计方法

[发明专利]一种基于类别信息的鸟类检索方法及系统-CN201811108809.0有效
发明人： 邹腊梅;张松伟;熊紫华;李长峰;陈婷;李晓光;杨卫东 -专利权人：华中科技大学
申请日： 2018-09-21 - 公布日： 2020-07-10 - 主分类号： G06F16/583 文献下载
摘要：本发明公开一种基于类别信息的鸟类图像检索方法，具体内容为：(1)构建鸟类图像数据库；(2)基于改进的VGG16网络模型训练鸟类图像识别模型；(3)根据步骤(2)获得的VGG16网络，提取图像的基于CAMs(类激活图)的特征表达；(4)对查询图像特征与数据库图像特征使用余弦距离进行相似度计算，根据用户所需从数据库中返回与查询图像距离最小的图像作为查询结果，完成检索。该发明有效解决了目前检索技术不能有效利用类别信息的问题，获得了更高的检索准确率。
一种基于类别信息鸟类检索方法系统

1
2
3
下一页»
尾页
共 31 条