公开(公告)号：CN109492594A

公开(公告)日：2019-03-19

申请号：CN201811369227.8

申请日：2018-11-16

Applicant: 西安电子科技大学

Inventor： 石光明 ,  金楷 ,  高旭 ,  汪芳羽 ,  谢雪梅

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 一种基于深度学习网络的课堂听课者抬头率检测方法，其步骤为：1、生成训练集、验证集和测试集；2、构建深度学习网络；3、训练深度学习网络；4、检测人脸的得分值及位置信息；5、设置检测状态；6、获得课堂抬头率。本发明通过搭建两个分支的深度学习网络，保证了深度学习网络对多尺度的人脸的检测，利用随机梯度下降方法对深度学习网络在大数据集上进行训练，保证了深度学习网络对人脸检测的鲁棒性，并且使得训练能够在较短时间内完成，然后利用设置检测状态的方法，有效地区分了抬头和低头两种状态，同时，本发明对课堂听课者抬头率的检测具有很好的实时性，能够对实时视频流进行检测。

公开(公告)号：CN108923984A

公开(公告)日：2018-11-30

申请号：CN201810777563.X

申请日：2018-07-16

Applicant: 西安电子科技大学

Inventor： 谢雪梅 ,  刘婉 ,  赵至夫 ,  汪芳羽 ,  石光明

IPC: H04L12/24 ,  H04L12/26 ,  H04N19/136 ,  H04N19/149 ,  H04N19/154 ,  H04N19/176 ,  H04N19/30 ,  H04N19/85

CPC classification number: H04L41/044 ,  H04L41/0823 ,  H04L41/145 ,  H04L43/08 ,  H04N19/136 ,  H04N19/149 ,  H04N19/154 ,  H04N19/176 ,  H04N19/30 ,  H04N19/85

Abstract: 本发明公开了一种基于卷积网络的时空视频压缩感知方法,主要解决现有技术里视频压缩时空均衡性差以及重构视频实时性差的问题。其方案是：制备训练数据集；设计时空视频压缩感知方法的网络结构；根据设计好的网络结构编写训练及测试文件；训练时空视频压缩感知方法的网络；测试时空视频压缩感知方法的网络。本发明时空视频压缩感知方法的网络采用时空同时压缩的观测技术和用“时间-空间块”增强时空相关性的重构技术，不仅能实现实时视频重构，而且重构的结果具有较强的时空均衡性，重构质量高且稳定，可用于视频的压缩传输以及后续的视频重构。

公开(公告)号：CN108510464A

公开(公告)日：2018-09-07

申请号：CN201810086381.8

申请日：2018-01-30

Applicant: 西安电子科技大学

Inventor： 谢雪梅 ,  王陈业 ,  杜江 ,  石光明 ,  汪芳羽

IPC: G06T5/50 ,  G06T9/00

Abstract: 本发明公开了一种基于分块观测的压缩感知网络及全图重构方法，主要解决现有网络恢复图像质量差的问题。其网络包括观测子网络和重构子网络，该观测子网络由第一卷积层组成；该重构子网络，包括反卷积层、第二卷积层、12个大小相同的残差块、第五卷积层和第六卷积层；每个残差块包括第三卷积层和第四卷积层；第一卷积层的输出端与反卷积层的输入端连接，反卷积的输出端与第二卷积层的输入端连接，第二卷积的输出端再与12个残差块依次连接，第12个残差块的输出端与第五卷积层的输入端连接，第二卷积的输出端和第五卷积的输出端共同连接到第六卷积的输入端。用本发明网络避免了重构图像的块效应，提高了图像恢复质量，可用于图像处理。