-
公开(公告)号：CN117876668A
公开(公告)日：2024-04-12
申请号：CN202410063203.9
申请日：2024-01-16
申请人： 合肥工业大学
IPC分类号： G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/0895
摘要： 本发明公开了一种基于全局‑局部对比学习的领域自适应目标检测方法，包括：获取数据样本，所述样本数据包括源域数据和目标域数据；基于所述源域数据和目标域数据生成中间域数据并进行域自适应过程；基于全局‑局部对比学习特征对齐模块对所述域自适应过程进行训练得到训练好的判别器；基于所述训练好的判别器对所述源域数据和目标域数据进行特征提取得到源域数据特征图像和目标域数据特征图像；将所述源域数据特征图像和目标域数据特征图像输入协同训练网络得到域自适应目标检测结果。本发明通过全局和局部对比学习在两层特征层面上进行域适应，有效减小图像域之间的特征差异促进了全局和局部一致的表示，同时提高了检测精度。
-
公开(公告)号：CN117373116A
公开(公告)日：2024-01-09
申请号：CN202311302738.9
申请日：2023-10-10
申请人： 合肥工业大学
IPC分类号： G06V40/20 , G06V20/40 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/047 , G06N3/082
摘要： 本发明公开了一种基于图神经网络的轻量级特征保留的人体动作检测方法，技术领域为计算机视觉和人工智能领域，包括：获取人体行为视频数据集，将所述人体行为视频数据集进行处理，获得骨架图数据集；构建主干时空图卷积神经网络，将所述骨架图数据集输入至所述主干时空图卷积神经网络中进行训练后优化，获得轻量级动作识别模型；构建循环生成网络，将所述骨架图数据集输入至所述循环生成网络中训练后优化，获得重要特征的动作识别模型；将所述轻量级动作识别模型和所述重要特征的动作识别模型进行融合，获得人体动作检测模型，基于所述人体动作检测模型对人体动作进行检测。本发明的模型与目前主流的动作检测方法进行比较，均取得较好的性能。
-
公开(公告)号：CN117372519A
公开(公告)日：2024-01-09
申请号：CN202311310189.X
申请日：2023-10-10
申请人： 合肥工业大学
IPC分类号： G06T7/73 , G06T3/40 , G06V10/46 , G06V10/75 , G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/096 , H04N23/698 , H04N23/61
摘要： 本发明属于巡检图像处理技术领域，具体涉及一种图像处理方法及巡检设备，包括如下步骤：通过巡检设备的深度摄像头获取巡检设备前方的深度图像；对所述深度图像进行特征物识别，以获取若干特征物及每个所述特征物至所述深度摄像头的距离；利用每个所述广角摄像头，获取每个所述特征物至所述深度摄像头的距离的一张原始图像，其中，相邻位置的所述广角摄像头获取的所述原始图像的边缘重叠；对每个所述特征物至所述深度摄像头的距离的多张所述原始图像进行拼接，以获取若干全景拼接图像；对每个所述全景拼接图像进行要素监测，以获得所述全景拼接图像中的环境要素。在保证特征物位置处的清晰度的同时避免多个图像因焦距不同造成的图像重影。
-
公开(公告)号：CN116189218A
公开(公告)日：2023-05-30
申请号：CN202310018813.2
申请日：2023-01-06
申请人： 合肥工业大学
摘要： 本发明涉及数据处理技术领域，公开了一种基于深度学习的竞赛证书处理系统，包括竞赛证书规则设置模块、竞赛证书收集上传模块、竞赛证书识别抽取模块、竞赛证书计算存储模块、竞赛证书查询统计模块；本发明无需构建复杂多样的竞赛证书结构化数据字典，也无需对竞赛证书样式有格式化的需求，可直接对多样式、无规则、无结构化文本特征的学科竞赛证书图像进行识别和抽取成结构化文本。在后期应用中便于用户使用。
-
-
-
搜索结果
4 条记录 (耗时 0.031 秒)
