“郑慧诚”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35个，建议您升级VIP下载更多相关专利

[发明专利]一种基于部分解耦条件下通道分配的动作识别方法及系统-CN202011484595.4有效
发明人： 郑慧诚;程凤雯;张伟;刘泽华 -专利权人：中山大学
申请日： 2020-12-16 - 公布日： 2023-09-26 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于部分解耦条件下通道分配的动作识别方法及系统，该方法包括：获取视频信息并对视频信息进行处理，抽取视频帧图像；将视频帧图像输入到预设的卷积神经网络进行动作识别，得到识别结果；所述预设的卷积神经网络包括残差层、两个R(2+1)块、Decoupled‑3D模块、池化层和全连接层。该系统包括：视频帧抽取模块和识别模块。本发明通过Decoupled‑3D模块分配空间和时间上的通道维度信息来平衡模型的表达能力。本发明作为一种基于部分解耦条件下通道分配的动作识别方法及系统，可广泛应用于模型改进领域。
一种基于部分条件下通道分配动作识别方法系统

[发明专利]一种基于异构复合主干的目标检测方法及系统-CN202011388828.0有效
发明人： 郑慧诚;严志伟;陈蔓薇;李烨 -专利权人：中山大学
申请日： 2020-12-02 - 公布日： 2023-09-22 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于异构复合主干的目标检测方法及系统，该方法包括：获取训练数据并对训练数据进行预处理，得到预处理数据；基于异构复合主干架构构建目标检测网络；基于预处理数据和预设的训练策略对目标检测网络进行训练，得到训练后的目标检测网络；获取待测数据并输入到训练后的目标检测网络，输出检测结果。该系统包括：预处理模块、网络构建模块、训练模块和检测模块。通过使用本发明，整合两个异构主干网络学习到的互补特征，避免特征冗余，从而增强检测器总体的特征表达与目标检测性能。本发明作为一种基于异构复合主干的目标检测方法及系统，可广泛应用于目标检测网络领域。
一种基于复合主干目标检测方法系统

[发明专利]一种基于检测主干与局部特征优化的目标检测方法及系统-CN202011388976.2有效
发明人： 郑慧诚;严志伟;黄梓轩;李烨;陈绿然 -专利权人：中山大学
申请日： 2020-12-02 - 公布日： 2023-09-22 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于检测主干与局部特征优化的目标检测方法及系统，该方法包括：获取训练数据并对训练数据进行预处理，得到预处理数据；基于长颈主干架构和局部特征优化模块构建目标检测网络；基于预处理数据和预设的训练策略对目标检测网络进行训练，得到训练后的目标检测网络；获取待测数据并输入到训练后的目标检测网络，输出检测结果。该系统包括：预处理模块、网络构建模块、训练模块和检测模块。通过使用本发明，保证检测器在计算力友好的前提下获得满意的性能。本发明作为一种基于检测主干与局部特征优化的目标检测方法及系统，可广泛应用于目标检测网络领域。
一种基于检测主干局部特征优化目标方法系统

[发明专利]一种面向视频拼接的透视畸变矫正方法-CN201911351230.1有效
发明人： 郑慧诚;陈殷齐 -专利权人：中山大学
申请日： 2019-12-24 - 公布日： 2023-07-28 - 主分类号： G06T5/00 文献下载
摘要：本发明公开一种面向视频拼接的透视畸变矫正方法，包括采集具有运动关系且不同时刻拍摄的数张图像；识别图像的特征点并在图像间进行2‑近邻匹配生成特征点匹配对；构造无透视畸变的参考平面，以此建模坐标位置向量：定义特征点及其在特征点匹配对的位移矢量；构建坐标位置向量的能量函数，能量函数包括特征点在其特征点匹配对的位移矢量与所有特征点在各自特征点匹配对的位移矢量均值的平行约束、特征点在其特征点匹配对中X坐标位移差与Y坐标位移差总和的约束、特征点在其特征点匹配对中垂直自由度约束；采用稀疏线性解算器最小化能量函数得到矫正的坐标位置向量。本发明在视频拼接时矫正了图像中远处景物的失真现象。
一种面向视频拼接透视畸变矫正方法

[发明专利]一种基于顶视角的行人三维检测跟踪方法及系统-CN202110064121.2有效
发明人： 郑慧诚;苏志荣 -专利权人：中山大学
申请日： 2021-01-18 - 公布日： 2023-07-21 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于顶视角的行人三维检测跟踪方法及系统，该方法包括：对双目相机获取到的左右图像进行立体校正和立体匹配处理；空洞填充并转换得到高度图；对高度图进行建模处理得到二维高度前景图；投影并转换为顶视角下的二维平面点云投影图，检测得到行人头部三维坐标点；将行人头部三维坐标点映射回二维图像坐标系中，并定位出每个行人的边界框；结合行人头部三维坐标点和定位出的行人边界框，进行帧间行人匹配跟踪。通过使用本发明，能够有效克服行人间遮挡导致漏检的问题，提高行人检测召回率。本发明作为一种基于顶视角的行人三维检测跟踪方法及系统，可广泛应用于行人检测领域。
一种基于视角行人三维检测跟踪方法系统

[发明专利]一种结合边界分布与纠正的事件提名方法-CN201910245568.2有效
发明人：田茜;郑慧诚;王腾 -专利权人：中山大学
申请日： 2019-03-28 - 公布日： 2023-06-02 - 主分类号： G06V20/40 文献下载
摘要：本发明提供的一种结合边界分布与纠正的事件提名方法，通过构建起点分布网络、终点分布网络和边界循环修正网络形成事件提名网络；通过构建事件提名网络损失函数对事件提名网络进行训练更新；利用训练更新后的事件提名网络对视频事件进行提名预测；所述起点分布网络、终点分布网络用于事件提名预测；所述边界循环修正网络用于产生预测的事件提名的偏置信息，对事件提名边界进行修正。本发明提供的一种结合边界分布与纠正的事件提名方法，结合了真实视频中的事件起止点分布规律产生拟合真实事件分布的事件提名，并利用循环修正网络对事件提名的边界进行修正，从而得到更加符合现实事件且使事件的边界更加精确的事件提名。
一种结合边界分布纠正事件提名方法

[发明专利]基于区域划分的画面对齐拼接方法及地面侵入度评估指标-CN202310191055.4在审
发明人：尹冬生;郑慧诚;陈博杰;陈家鑫 -专利权人：天棣智能科技（广州）有限公司
申请日： 2023-02-28 - 公布日： 2023-05-26 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了计算机视觉技术领域的基于区域划分的画面对齐拼接方法及地面侵入度评估指标，包括步骤：设计一种基于区域划分的画面对齐拼接方法，包括将平面图划分为不同区域、选出匹配点对、计算各个前景区域的透视变换矩阵、计算各个网格的透视变换矩阵这四个步骤；设计地面侵入度评估指标。本发明提供的基于区域划分的画面对齐拼接算法，可在摄像头图片不能严格对准平面图的情况下，保证前景区域得到正确的拼接，背景区域的网格与前景区域边缘的网格，尽可能过渡平滑，从而不造成后续严重的热度入侵或轨迹入侵等结果。本发明提供的地面侵入度评估指标可用于评估画面对齐拼接算法的准确度，以及给后续应用如热度分析和行人轨迹计算带来的影响。
基于区域划分画面对齐拼接方法地面侵入评估指标

[发明专利]一种基于Fredholm学习和对抗学习的域适应方法-CN202010512323.4有效
发明人： 郑慧诚;彭志锋;黄梓轩 -专利权人：中山大学
申请日： 2020-06-08 - 公布日： 2023-05-12 - 主分类号： G06N20/00 文献下载
摘要：本发明为一种基于Fredholm学习和对抗学习的域适应方法，所述方法包括：特征提取，对源域数据Xs和目标域数据Xt用同一个特征提取器提取特征；领域鉴别，在得到被提取特征后，要鉴别这些特征属于哪个域；其中，所述领域鉴别分为两个阶段：(1)Fredholm特征的获取；(2)域鉴别器进行鉴别；样本分类，使用两个分类器，分类模块接收特征提取器提取到的特征，输入到全连接层中计算，并经过softmax后分别从源域分类器Cs和目标域分类器Ct输出分类结果。本发明的有益效果在于，提出的基于Fredholm学习和对抗学习的域适应方法在图像分类上能够达到更好的分类效果。
一种基于 fredholm 学习对抗适应方法

[发明专利]一种基于判别性区域挖掘的目标检测方法-CN201910200092.0有效
发明人： 郑慧诚;陈绿然;严志伟;李烨 -专利权人：中山大学
申请日： 2019-03-15 - 公布日： 2023-01-03 - 主分类号： G06V10/46 文献下载
摘要：本发明提供一种基于判别性区域挖掘的目标检测方法，通过特征提取网络进行特征提取，获取特征流；构建LDRM模块，将特征流进行局部的判别性特征学习；构建CDRM模块，对局部的判别性特征学习后的特征流进行上下文判别特征学习；构建特征流s3，采用检测器对特征流s3的特征图进行检测，得到最终的检测结果。本发明提供的一种基于判别性区域挖掘的目标检测方法，基于感受野的特征图产生判别性区域的特征表达，避免了从原图中提取判别性区域，再进行特征提取而引入的大量计算量，保证该方法以高的效率进行目标检测，防止受到表观相似的前景目标和背景区域的干扰；通过将生成的判别性区域特征与候选目标的特征进行融合，结合不同感受野的特征，优化特征表达。
一种基于判别区域挖掘目标检测方法

[发明专利]一种基于时间感知结构的视频动作识别方法-CN201910291081.8有效
发明人： 郑慧诚;张伟;程凤雯 -专利权人：中山大学
申请日： 2019-04-11 - 公布日： 2022-12-06 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于时间感知结构的视频动作识别方法，本发明基于全分组三维卷积的时间感知结构设计，使用少量参数对多尺度的时间信息进行了建模，是一种十分高效的时间建模结构。并且本发明设置了监听流网络，增加了模型收敛的速度，在时间感知结构的基础上，能够进一步提高模型的识别准确率，降低了对预训练数据集的依赖，针对特定小规模问题可以快速实现部署；并且对不同时间尺度的行为具有鲁棒性。
一种基于时间感知结构视频动作识别方法

[发明专利]一种基于深度学习的视频目标检测方法-CN201811374255.9有效
发明人： 郑慧诚;罗子泉 -专利权人：中山大学
申请日： 2018-11-15 - 公布日： 2022-10-14 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于深度学习的视频目标检测方法，应用于视频目标检测领域。方法利用卷积神经网络进行图像特征的提取，提出了时间‑空间特征提取网络，用于提取视频的空间上下文和时间上下文信息，并将图像特征与时间、空间上下文信息融合，更新骨干网络输出的特征图，最后将所得特征图输入检测网络，得到最终的检测结果，兼顾了目标检测的准确性和实时性。这种方法有效的提升了检测的准确性和实时性。
一种基于深度学习视频目标检测方法

[发明专利]一种基于前景选择域自适应的目标检测方法及系统-CN202110779245.9有效
发明人： 郑慧诚;黄梓轩;陈蔓薇 -专利权人：中山大学
申请日： 2021-07-09 - 公布日： 2022-09-27 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于前景选择域自适应的目标检测方法及系统，该方法包括：获取源域图像数据集和目标域图像数据集；对源域图像数据集和目标域图像数据集进行图像特征提取；提取感兴趣区域；对感兴趣区域进行前景选择；对不同层次的前景特征和全局特征进行域自适应，得到域自适应的检测网络；根据域自适应的检测网络对待测目标集进行目标检测。该系统包括：数据获取模块、语义特征提取模块、感兴趣区域提取模块、前景选择模块、域自适应模块和检测模块。通过使用本发明，避免了在对齐前景时背景的干扰，从而有效提高检测网络在目标域上的检测性能。本发明作为一种基于前景选择域自适应的目标检测方法及系统，可广泛应用于目标检测领域。
一种基于前景选择自适应目标检测方法系统

[发明专利]一种基于类别感知特征聚合的视频目标检测方法-CN202210199529.5在审
发明人： 郑慧诚;陈蔓薇;樊迪威 -专利权人：中山大学
申请日： 2022-03-01 - 公布日： 2022-06-10 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于类别感知特征聚合的视频目标检测方法，包括：检测主干ResNet‑101对视频帧进行特征提取，获得高层语义信息；利用可形变卷积进行亚像素级的特征对齐，随后使用区域生成网络RPN为每一帧生成目标候选框；使用候选框分类模块对生成的候选框进行分类操作，后续仅对具有相同类标签的候选框进行特征聚合；在进行类别感知特征聚合时，使用广范围逐层递进特征聚合模块进行双向且逐层递进的候选框层级的特征聚合操作；使用类间关系建模模块对同一帧上的不同类别目标进行空间位置上的关系建模；将聚合后的候选框特征输入到全连接层以进行具体类别判别和目标框位置的回归修正。本发明使得时序信息和空间位置信息都得到充分利用，从而有效提高视频目标的检测性能。
一种基于类别感知特征聚合视频目标检测方法

[发明专利]基于局部贡献方差的人脸质量判断方法-CN202210173160.0在审
发明人：练启业;谢晓华;郑慧诚;张永 -专利权人：中山大学
申请日： 2022-02-24 - 公布日： 2022-06-03 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于局部贡献方差的人脸质量判断方法，包括步骤：对对齐后的人脸进行掩码操作、对掩码操作后的人脸图片提取人脸特征、将掩码操作后的人脸特征和原始人脸图片的特征进行相似度计算、对一系列相似度进行变化统计得到该人脸图像的质量。本发明提出的基于局部贡献方差的人脸质量判断方法，可以快速判断出该人脸图片是否适合进行人脸识别，能有效的剔除实际部署的人脸识别系统中捕捉到的模糊、遮挡等质量差的照片，提升人脸识别系统的性能，同时降低人脸识别系统的计算量。本发明通过在实际场景中进行大量测试，表明本方法相较于目前现有技术，具有既准确又耗时少的优点，十分有利于部署于资源有限的嵌入式终端。
基于局部贡献方差质量判断方法

[发明专利]一种基于双鉴别器对抗学习的半监督图像语义分割方法-CN202011189232.8在审
发明人：林风龙;郑慧诚;梁凡 -专利权人：中山大学
申请日： 2020-10-30 - 公布日： 2022-05-06 - 主分类号： G06V10/26 文献下载
摘要：本发明设计一种基于双鉴别器对抗学习的半监督图像语义分割方法。采用双鉴别器与分割器进行交替训练的策略。将不同的类概率图及目标值进行线性混合作为双鉴别器的训练数据，并输出空间置信图。使用带标签数据训练时，分割网络受到基于标准的交叉熵损失与对抗损失的共同监督。经过多轮的交替训练后，加入无标签数据，继续训练。将两个鉴别器输出的置信图分别经过设定的阈值二值化处理，得到两个不同的高置信度区域，将这两个区域的交集作为一种伪标签，用于计算无标签数据的交叉熵损失。此时分割网络多了一项基于伪标签的交叉熵损失。本发明通过引入双鉴别器对抗学习，不仅提升了模型训练的稳定性，也提升了分割性能，证明了该方法的有效性。
一种基于鉴别器对抗学习监督图像语义分割方法

1
2
3
下一页»
尾页
共 35 条