-
公开(公告)号:CN105117407B
公开(公告)日:2019-03-26
申请号:CN201510444576.1
申请日:2015-07-27
申请人: 电子科技大学
摘要: 该发明公开了一种基于聚类的距离方向直方图的图像检索方法,属于模式识别与信息处理技术领域,涉及计算机视觉方面的海量图像检索。该方法统计训练图像集所提取的局部视觉特征的分布特性,将局部特征空间进行划分;通过目标图像局部特征的描述符和划分空间中心的距离,以及局部特征主方向和划分空间主方向之间的一致性将局部特征分配到距离最近的子区域中,进而生成图像全效表达;使用图像全效表达进行检索,能高效的完成对大规模图像的检索工作。通过大量的实验验证了本发明在使用较少计算量的情况下,有效的提高了图像检索的准确率,并在大规模图像集上获得了很好的可扩展性。
-
公开(公告)号:CN105046272B
公开(公告)日:2018-06-19
申请号:CN201510368991.3
申请日:2015-06-29
申请人: 电子科技大学
摘要: 本发明提供了一种基于简洁非监督式卷积网络的图像分类方法,属于图像处理与深度学习技术领域。本发明利用经典的非监督式聚类算法K‑means对训练图像集的图像块进行聚类,得到的每一个聚类中心即是网络模型中的卷积核,摒弃传统卷积网络中反复通过随机梯度下降算法来得到卷积核的费时过程;此外,本发明通过提出一种概率池化方法增强了网络对图像变形的鲁棒性。通过本发明提出的简洁非监督式深度卷积网络分类模型,可以有效地降低模型训练时间,同时提高模型对多变场景图片的识别能力。
-
公开(公告)号:CN104156725B
公开(公告)日:2017-05-10
申请号:CN201410400326.3
申请日:2014-08-14
申请人: 电子科技大学
IPC分类号: G06K9/54
摘要: 本发明提供了一种新的基于笔画段间角度的汉字笔画组合方法,目的在于解决汉字印刷体笔画组合问题,其方案为首先将输入汉字图片进行二值化操作,使得输入图片成为二值图像,对二值化图像进行拆分操作,从水平和垂直两个方向扫描图像后,将没有像素点相连接的部分拆分开来,拆拆分开的二值图像提取骨架图;对骨架图提取交叉点,针对每一个交叉点,根据组合规则,组合笔画。根据上一步骤标注的笔画组合方式,输出最终的笔画组合。
-
公开(公告)号:CN103605765B
公开(公告)日:2016-11-16
申请号:CN201310611155.4
申请日:2013-11-26
申请人: 电子科技大学
IPC分类号: G06F17/30
摘要: 本发明属于模式识别与信息处理技术领域,提供了基于聚类紧凑特征的海量图像检索系统,包括如下步骤:一、计算样本图像库和测试图像库中图像的局部特征;二、计算每幅图像的聚类紧凑特征:对局部特征采用聚类方法获取每类的聚类中心,再统计在每个聚类中的局部特征分布直方图和空间统计信息,生成聚类紧凑特征;三、随机采样样本图像库中的聚类紧凑特征,对采样所得聚类紧凑特征中聚类中心的分量应用聚类方法生成词汇树,将测试图像库中图像的聚类紧凑特征都量化到词汇树上,生成相应的倒排文件;四、采用改进的基于词汇树的检索算法进行检索:通过查询词汇树的倒排文件,计算查询图像与图像库图像聚类紧凑特征间的相似度权重进行检索。
-
-
公开(公告)号:CN105426533A
公开(公告)日:2016-03-23
申请号:CN201510955359.9
申请日:2015-12-17
申请人: 电子科技大学
IPC分类号: G06F17/30
CPC分类号: G06F16/583 , G06K9/4671 , G06K9/6223
摘要: 该发明公开了一种融合空间约束信息的图像检索方法,属于模式识别与信息处理技术领域,涉及计算机视觉方面的图片处理方法。本发明提出了基于超像素的图像检索方案,在传统词袋模型的基础上,补充图像的空间信息,用基于特征空间的图像检索模型,同时融入基于图像空间的图像分割技术,通过补充空间约束信息,提高图像检索的准确率;提出的检索方案在提高检索精确度的同时,保证了检索效率和存储开销。
-
公开(公告)号:CN105069413A
公开(公告)日:2015-11-18
申请号:CN201510444505.1
申请日:2015-07-27
申请人: 电子科技大学
IPC分类号: G06K9/00
CPC分类号: G06K9/00362
摘要: 该发明公开了一种基于深度卷积神经网络的人体姿势识别方法,属于模式识别与信息处理技术领域,涉及计算机视觉方面的行为识别任务,尤其涉及基于深度卷积神经网络的人体姿势估计系统的研究与实现方案。该神经网络具有的独立输出层和独立损失函数是为人体关节定位而设计的。ILPN由一个输入层,7个隐含层,2个独立的输出层组成。其中第1~6个隐含层是卷积层,用于特征提取,第7个隐含层(fc7)是全连接层。输出层由两个独立的部分组成:fc8-x和fc8-y。其中fc8-x用于预测关节的x坐标,fc8-y用于预测关节的y坐标。在模型训练时,这两个输出都会有一个独立的softmax损失函数来指导模型的学习。从而具有训练简单迅速,计算量小,准确度高的优点。
-
公开(公告)号:CN103927537A
公开(公告)日:2014-07-16
申请号:CN201410193650.2
申请日:2014-05-08
申请人: 电子科技大学
IPC分类号: G06K9/34
摘要: 本发明公开了一种自适应的汉字笔画交叉区域提取算法,属于模式识别与信息处理技术领域,其主要包括以下步骤:一、计算汉字图像的骨架图,二、计算交叉点,三、交叉点合并,四、计算交点处的PBOD,五、根据PBOD直方图,计算分割点,六、连接分割点,得到自适应的交叉区域。本发明通过动态地提取交叉点对应的分割点,并得到适用不同笔画粗细的笔画交叉区域和不同形状的笔画交叉区域,解决了固定大小、固定形状提取交叉区域存在的问题。
-
公开(公告)号:CN103678521A
公开(公告)日:2014-03-26
申请号:CN201310621705.0
申请日:2013-11-30
申请人: 电子科技大学
IPC分类号: G06F17/30
CPC分类号: G06F17/30144 , G06F17/30194
摘要: 本发明公开了一种基于Hadoop框架的分布式文件监控系统,涉及图像数据处理技术领域,包括Hadoop集群和Client端,所述Hadoop集群中包括一个NameNode节点模块、一个NameNode代理模块、至少一个DataNode节点模块、一个含有配置文件和调度算法的匹配模块以及响应算法模块;所述NameNode代理模块接收Client端发来的HadoopClientProcotol接口中的函数信息,并转发该函数信息给NameNode节点模块,同时获取配置文件中配置的信息;本发明中的NameNode代理模块可获取所有的请求和消息,实现了对分布式文件系统的完全监控,并通过后续响应算法支持监控的同时做出处理。
-
-
-
-
-
-
-
-