-
公开(公告)号：CN114565637B
公开(公告)日：2024-05-14
申请号：CN202210041658.1
申请日：2022-01-14
申请人： 厦门理工学院
IPC分类号： G06T7/246 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明提供了一种基于特征增强和视频历史帧的单目标跟踪方法，首先从查询帧之前的视频序列中作为历史帧集合，然后加入标签图进行掩膜处理；随后，与当前查询帧一起送入特征提取网络提取目标特征，对历史帧特征进行拼接后送入历史帧读取和特征增强网络；通过离线训练模型EnhanceNet提供的卷积参数对历史帧特征进行增强，并使用softmax函数计算与查询帧特征的相似度矩阵。最后，将相似度矩阵与查询帧特征拼接送入头部网络，进行分类和回归，从而预测目标位置。本发明方法提高了目标跟踪算法在复杂场景下的鲁棒性和准确率并保持跟踪的实时性要求。
-
公开(公告)号：CN111678441B
公开(公告)日：2022-03-01
申请号：CN202010750460.1
申请日：2020-07-30
申请人： 厦门理工学院
摘要： 本发明公开一种基于深度学习的水下鱼类形体测量装置及方法，装置包括：适于放置于水下的第一防水摄像头以及第二防水摄像头、L型支架、至少一个水下照明设备以及边缘计算设备；其中，所述边缘计算设备与所述第一防水摄像头以及第二防水摄像头通信连接；所述L型支架包括相互连接的第一连接臂以及第二连接臂；所述第一防水摄像头设置于所述第一连接臂，且在第一防水摄像头附近设置有水下照明设备；所述第二防水摄像头设置于所述第二连接臂，且在第二防水摄像头附近设置有水下照明设备。本发明在测量时对鱼的损害风险低、测量准确度高、效果好。
-
公开(公告)号：CN111309212A
公开(公告)日：2020-06-19
申请号：CN202010129301.X
申请日：2020-02-28
申请人： 厦门理工学院
摘要： 本发明公开了一种分屏对比的试衣方法、装置、设备及其存储介质，方法包括：当检测到用户执行视频录制的操作时，启动Kinect捕获当前屏幕上用户进行试衣的实时图像，直至用户执行停止视频录制的操作；将捕获的多帧实时图像保存至指定路径，并合成视频；选取视频中的一帧作为预览图，并将所述预览图放置于视频列表下，以使得用户根据所述视频列表下的预览图进行视频选择播放；接收用户选择播放的至少两个视频，基于ROI将至少两个视频在同一屏幕下进行分屏播放，从而实现分屏对比试衣。能够将用户每次试衣情况录制下来，并将录制好的视频进行分屏对比，解决了用户在难以抉择购买哪件服装需要频繁更换服装进行试穿对比的问题，从而能够选择出满意的衣服。
-
公开(公告)号：CN109978042A
公开(公告)日：2019-07-05
申请号：CN201910209441.5
申请日：2019-03-19
申请人： 厦门理工学院
IPC分类号： G06K9/62
摘要： 本发明公开一种融合特征学习的自适应快速K‑means聚类方法，首先对数据进行预处理，排除其中属性缺失、数据重复问题，对各数据属性进行归一化处理；计算数据总散度矩阵，并引入稀疏特性构造特征选择矩阵；在特征子空间上执行K‑means聚类方法，且在聚类中心更新过程中，引入自适应因子动态调节每个数据样本权重；根据聚类间的可区分信息，更新特征选择矩阵，进而筛选出最优特征子集。此种方法使得传统K‑means聚类方法能够高效地利用聚类间和聚类内的可区分信息、以及特征之间的相关性信息提高聚类的准确度，还在聚类过程中融入自适应因子，根据不同类型数据分布的特点更新聚类中心，具备较高的实用性及可扩展性，可为机器学习、计算机视觉等相关应用提供有效支持。
-
公开(公告)号：CN114613001A
公开(公告)日：2022-06-10
申请号：CN202210108698.3
申请日：2022-01-28
申请人： 厦门理工学院
摘要： 本发明提出一种多视图中基于高质量热图的3D人体姿态估计方法，首先通过将不同试图输入到HRNet网络，得到各个视图相对应的2D人体姿态热图；对每个人体姿态热图分配一个与数据相关的权重，得到高质量热图值；再融合包含被检测目标人物丰富信息的3D特征卷，得到被检测目标人物的大致定位，再构建一个以每个目标人为中心的单独的细粒度特征卷，并将其输入人体姿态回归网络，最终估计详细的三维人体姿态；本发明提供的方法能够实现准确的三维人体姿态估计。
-
公开(公告)号：CN105915425A
公开(公告)日：2016-08-31
申请号：CN201610428823.3
申请日：2016-06-16
申请人： 厦门理工学院
IPC分类号： H04L12/40 , H04L12/911 , H04L12/927
CPC分类号： H04L47/70 , H04L12/40143 , H04L47/828 , H04L2012/40215
摘要： 本发明公开一种面向车载CAN FD网络的信号分组打包方法，包括如下步骤：步骤1，依据信号的周期大小对信号进行分组，并根据周期大小对分组得到的信号组进行升序排列；步骤2，依据空闲带宽评价指标和整数线性规划算法将信号组依次打包到消息之中，得到消息集；步骤3，按照时间健壮性升序的顺序为打包后得到的消息集分配优先级并进行调度分析，如果打包后得到的消息集不可调度，则对打包后得到的消息集进行拆分以提高整个消息集的可调度性，直到打包后的消息集可调度或没有消息可被拆分为止。此种方法可在保证CAN FD网络可调度的前提下，实现网络带宽利用率的优化。
-
公开(公告)号：CN103347251A
公开(公告)日：2013-10-09
申请号：CN201310314307.4
申请日：2013-07-24
申请人： 厦门理工学院
摘要： 本发明公开了一种基于方向的城市车载自组织网络广播方法，包括以下步骤，所有车辆节点广播与接收HELLO消息；广播车辆节点广播需要传输的消息；车辆节点判断接收到的消息是否为新消息，若接收到新消息则对所述新消息进行竞争转发，竞争成功的车辆节点转发所述新消息，若为重复接收的消息，则退出转发所述重复消息；根据车辆节点的位置、运动方向和消息传输方向选择代理车辆节点，并携带消息进行感染式转发；根据车辆节点的位置、运动方向和消息传输方向以及消息的传输情况选择部分代理车辆节点转换为普通车辆节点，本发明利用一部分车辆作为代理车辆运动到岔路口帮助广播转发传输，从而实现消息在岔路口朝多个方向传输。
-
公开(公告)号：CN114565520A
公开(公告)日：2022-05-31
申请号：CN202210042334.X
申请日：2022-01-14
申请人： 厦门理工学院
摘要： 本发明提供了一种融合注意力机制的多输入多输出图像快速去模糊方法，所述方法应用到多输入多输出图像快速去模糊网络，所述网络包括：编码层、解码层、浅卷积块、信息补充块、非对称特征融合块、卷积层；首先输入一张模糊图像，通过两次双线性下采样获取两张不同尺度的图像，从大到小依次馈入编码块中对图像进行去模糊；在解码器中，将上一层传入的特征信息与信息补充块获取到的其他层编码器的信息进行拼接，用于恢复潜在图像，最后将上一层的特征信息和用非对称特征融合块获取到其他三层编码的信息进行拼接，用于生成最终的潜在图像。本发明方法通过引入注意力机制和信息补充块，用于减少恢复图像所需要的时间和提升恢复图像的精度。
-
公开(公告)号：CN109977805A
公开(公告)日：2019-07-05
申请号：CN201910179373.2
申请日：2019-03-11
申请人： 厦门理工学院
摘要： 本发明公开了一种基于局部稀疏编码的姿态检索方法、装置、设备和存储介质，包括如下步骤：从评价姿态恢复性能的数据集提取人体姿态特征；将所述人体姿态特征通过稀疏编码的方式表示；计算所述稀疏编码的局部稀疏编码；构建多视角拉普拉斯矩阵优化所述局部稀疏编码，以获得稀疏编码的系数；根据所述稀疏编码的系数检索所述人体姿态特征是否与真实人体姿态特征接近。本发明构造了一个拉普拉斯矩阵来度量每个人体姿态特征和真实人体姿态特征之间的相似度，使得相似的样本被分组，并能够适合于人体的多姿态检测，避免单一的特征检测。
-
公开(公告)号：CN106845336A
公开(公告)日：2017-06-13
申请号：CN201611095251.8
申请日：2016-12-02
申请人： 厦门理工学院
CPC分类号： G06K9/00288 , G06K9/6259 , G06K9/6269
摘要： 本发明公开一种基于局部信息和组稀疏约束的半监督人脸识别方法，步骤是：获取一个包含n个高维数据的人脸数据集X∈Rd×n，其中，d为数据维度，该人脸数据集中包含m个已标记数据集Xl∈Rd×m及对应的标签矩阵Yl∈Rm×c,其中，c为人脸数据的分类数；在数据集X上，构建基于局部信息约束的无监督人脸特征选择模型；在已标记数据集Xl上，构建基于矩阵l2,1损失函数的监督人脸特征选择模型；构建组稀疏约束的人脸特征选择目标函数；利用迭代优化算法求解目标函数；以筛选过后的人脸特征作为SVM的输入，训练得到SVM分类器，并完成对人脸的识别。此种方法可有效提高人脸特征选择和识别的准确度，同时可有效抑制数据集中噪声的干扰。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.024 秒)