-
公开(公告)号：CN110837778A
公开(公告)日：2020-02-25
申请号：CN201910968292.0
申请日：2019-10-12
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于骨架关节点序列的交警指挥手势识别方法，首先，采集不同视角、不同场景及不同速度下交警指挥手势的视频片段；其次，基于改进的目标检测算法检测出含有交警的图像，输出包含交警的目标框与坐标信息的多帧交警指挥动作图像；然后，通过姿态估计算法提取交警关节点信息，按时间顺序组合形成关节点序列；最后，使用时空图卷积模型对得到的交警指挥交通时的身体关节点序列进行处理，从而识别交警指挥手势动作类别。本发明能够实现复杂场景下交警指挥手势的稳定、准确、快速识别。
-
公开(公告)号：CN110378280A
公开(公告)日：2019-10-25
申请号：CN201910645607.8
申请日：2019-07-17
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于特征约束的有序卷积神经网络人脸年龄估计方法，首先利用卷积神经网络模块对人脸图像进行特征表示，然后利用中心损失函数对提取的特征向量进行约束，使得每个年龄类别维护一个类别中心，再将受约束的特征向量传入有序二元多分类模块，最后对模型输出的二元预测结果进行统计得出人脸面部表观年龄预测结果。本发明可实现高精度的年龄估计。
-
公开(公告)号：CN110321813A
公开(公告)日：2019-10-11
申请号：CN201910525062.7
申请日：2019-06-18
申请人： 南京信息工程大学
摘要： 本发明公开了基于行人分割的跨域行人重识别方法，该方法分为三个阶段，第一阶段：将源域图片和目标域图片输入到行人分割模型中，通过GAN网络生成具有源域内容和目标域风格的图片；第二阶段：将生成的新图片输入到CNN网络，提取图片间的特征距离，使用TriHard loss训练模型；第三阶段：加载训练好的行人重识别模型，提取目标域的行人图片特征。给定待检索的行人图片，检索最匹配的行人图片并输出。本发明设计训练得到一个新的行人重识别模型，训练源域内容图片，并在目标域数据集测试，有效减小不同数据集之间风格差异对跨域行人重识别模型性能的影响，网络性能好，模型泛化能力强。
-
公开(公告)号：CN110321813B
公开(公告)日：2023-06-20
申请号：CN201910525062.7
申请日：2019-06-18
申请人： 南京信息工程大学
IPC分类号： G06V40/10 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
摘要： 本发明公开了基于行人分割的跨域行人重识别方法，该方法分为三个阶段，第一阶段：将源域图片和目标域图片输入到行人分割模型中，通过GAN网络生成具有源域内容和目标域风格的图片；第二阶段：将生成的新图片输入到CNN网络，提取图片间的特征距离，使用TriHard loss训练模型；第三阶段：加载训练好的行人重识别模型，提取目标域的行人图片特征。给定待检索的行人图片，检索最匹配的行人图片并输出。本发明设计训练得到一个新的行人重识别模型，训练源域内容图片，并在目标域数据集测试，有效减小不同数据集之间风格差异对跨域行人重识别模型性能的影响，网络性能好，模型泛化能力强。
-
公开(公告)号：CN112069868A
公开(公告)日：2020-12-11
申请号：CN202010595050.4
申请日：2020-06-28
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于卷积神经网络的无人机实时车辆检测方法，包括步骤如下：(1)制作数据集；(2)聚类出9个锚框；(3)搭建浅层神经网络；(4)添加注意力机制；(5)加入张量自适应模块；(6)在嵌入式设备中训练与测试。本发明构建了一个浅层神经网络，参数量较少，在Jetson tx2适用于无人机的嵌入式设备中运行并且满足实时性的要求；在卷积层之间加入CBAM注意力机制，有利于卷积网络对特征的提取；基于特征金字塔网络进行特征融合后，引入自适应张量选择模块，使网络能够根据目标的语义信息选择最合适的检测张量，进一步提升模型检测的准确性。
-
公开(公告)号：CN108764138A
公开(公告)日：2018-11-06
申请号：CN201810529711.6
申请日：2018-05-29
申请人： 南京信息工程大学
CPC分类号： G06K9/00657 , G06K9/6256 , G06K9/6267 , G06N3/084
摘要： 本发明涉及一种基于多维多粒度级联森林的高原地区云雪分类方法，本发明利用多维多粒度级联森林的多维多粒度扫描结构对高原地区的云雪图像样本进行空间特征提取，通过多维扫描的方式提取多光谱图像的光谱信息，然后将所提取的空间特征和光谱信息用于多维多粒度级联森林的级联森林结构的训练。该方式在准确度提高的前提下，在同等硬件条件下样本的训练速度和样本的分类速度比传统卷积深度学习快实验结果表明，本发明得到的结果较好，更适合卫星图像的云雪分类研究。
-
公开(公告)号：CN108764138B
公开(公告)日：2021-12-28
申请号：CN201810529711.6
申请日：2018-05-29
申请人： 南京信息工程大学
摘要： 本发明涉及一种基于多维多粒度级联森林的高原地区云雪分类方法，本发明利用多维多粒度级联森林的多维多粒度扫描结构对高原地区的云雪图像样本进行空间特征提取，通过多维扫描的方式提取多光谱图像的光谱信息，然后将所提取的空间特征和光谱信息用于多维多粒度级联森林的级联森林结构的训练。该方式在准确度提高的前提下，在同等硬件条件下样本的训练速度和样本的分类速度比传统卷积深度学习快实验结果表明，本发明得到的结果较好，更适合卫星图像的云雪分类研究。
-
公开(公告)号：CN112149720A
公开(公告)日：2020-12-29
申请号：CN202010940542.2
申请日：2020-09-09
申请人： 南京信息工程大学
摘要： 本发明公开了一种细粒度车辆类型识别方法，提出了标签平滑和Cross‑X学习鲁棒的细粒度车辆图像特征方法，通过利用不同车辆图像之间，不同网络层之间的关系以及最大化模型的预测多样性，联合处理每个车辆图像的特定部分特征，提高了模型学习的效率，网络的泛化能力得到了增强，有效地提高了细粒度车辆类型识别的准确度。
-
公开(公告)号：CN108229550B
公开(公告)日：2022-02-18
申请号：CN201711463054.1
申请日：2017-12-28
申请人： 南京信息工程大学
IPC分类号： G06K9/62 , G06V10/764 , G06V10/84
摘要： 本发明涉及一种基于多粒度级联森林网络模型的云图分类方法，首先利用多粒度级联森林的多粒度层对云图进行特征表示得到高阶语义信息，然后多粒度级联森林的级联层利用特征表示的语义信息将云图分为厚云、薄云和晴空。本发明比传统卫星云图分类方法准确率更高，并且相同硬件条件下样本训练和测试时间也比大多数方法快很多。
-
公开(公告)号：CN109242400A
公开(公告)日：2019-01-18
申请号：CN201811301701.3
申请日：2018-11-02
申请人： 南京信息工程大学
摘要： 本发明涉及一种基于卷积门控循环神经网络的物流单号识别方法，首先使用opencv对原始图像进行预处理，通过对快递单图像的版面分析，釆用图像模板匹配定位的方法精确切分出单据图像中的有效信息块，然后基于多切分策略的字符分割法把客户的有效信息切分成单个字符，最后将这些字符有序的输入神经网络得出单据识别信息。本发明把图像预处理、版面分析、文本提取、字符分割、特征提取与汉字分类器识别等相关技术进行有效整合，并采用了后处理方法对识别结果进行校准，最终实现了基于卷积门控循环神经网络的快递单据识别系统。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.037 秒)
