-
公开(公告)号：CN114898086A
公开(公告)日：2022-08-12
申请号：CN202210820042.4
申请日：2022-07-13
Applicant: 山东圣点世纪科技有限公司
IPC: G06V10/22 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于级联温控蒸馏的目标关键点检测方法，图像处理技术领域，其包括以下步骤：1）采集多张训练集图像，给所有训练集图像标注关键点信息；2）构建教师网络模型和学生网络模型；3）将训练集图像输入教师网络模型，将标注关键点信息的训练集图像输入学生网络模型，联合教师网络模型，采用级联温控蒸馏技术训练用于目标关键点检测的学生网络模型；4）基于训练好的学生网络模型对待检测图像进行目标关键点检测。本发明利用了高维空间特征向量和低维空间特征向量的两种蒸馏损失，通过温度T的变化，互相约束和促进，引导学生模型训练寻找最优解集，其中高维特征蒸馏能降低学生模型的过拟合，并增强鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115019136B
公开(公告)日：2022-11-25
申请号：CN202210935118.8
申请日：2022-08-05
Applicant: 山东圣点世纪科技有限公司
IPC: G06V10/774 , G06V20/70 , G06V10/40 , G06V10/82
Abstract: 本发明公开了一种抗边界点漂移的目标关键点检测模型训练方法及检测方法，属于图像处理技术领域，抗边界点漂移的目标关键点检测模型训练方法为构建包括关键点坐标信息和概率值信息的训练集图像；构建抗边界关键点漂移检测模型，在特征提取网络最后一个全连接层后并联设置n个坐标信息输出层和1个概率值信息输出层，每一坐标信息输出层输出一个关键点的坐标信息，概率输出层输出n个关键点的概率值信息，基于关键点的坐标信息和概率值信息构建损失函数；对模型进行训练，基于关键点的概率值信息调整损失函数中比例参数，进而增加对边界上关键点的训练比重，使得边界关键点不漂移。
-
公开(公告)号：CN115311691A
公开(公告)日：2022-11-08
申请号：CN202211243982.8
申请日：2022-10-12
Applicant: 山东圣点世纪科技有限公司
IPC: G06V40/10 , G06V10/25 , G06V10/30 , G06V10/32 , G06V10/36 , G06V10/46 , G06V10/54 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种基于腕部静脉和腕部纹理的联合识别方法，属于生物识别技术领域，该方法从采集到的腕部静脉图像中截取ROI图像，依次进行归一化处理和去噪处理；从ROI图像中分离出多尺度的纹理区域图像和多尺度的静脉区域图像，分别对多尺度纹理区域图像和多尺度静脉区域图像进行融合；对纹理区域融合图像进行纹理增长，对静脉区域融合图像进行静脉增长；从纹理增长后的纹理区域融合图像中提取腕部纹理特征，从静脉增长后的静脉区域融合图中提取腕部静脉特征及信息熵；基于信息熵构建二叉树的大顶堆结构，基于二叉树的大顶堆结构对腕部纹理特征和腕部静脉特征进行联合识别。本发明的安全度更高，识别率高，识别过程快速且准确。
-
公开(公告)号：CN114898086B
公开(公告)日：2022-09-20
申请号：CN202210820042.4
申请日：2022-07-13
Applicant: 山东圣点世纪科技有限公司
IPC: G06V10/22 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于级联温控蒸馏的目标关键点检测方法，图像处理技术领域，其包括以下步骤：1）采集多张训练集图像，给所有训练集图像标注关键点信息；2）构建教师网络模型和学生网络模型；3）将训练集图像输入教师网络模型，将标注关键点信息的训练集图像输入学生网络模型，联合教师网络模型，采用级联温控蒸馏技术训练用于目标关键点检测的学生网络模型；4）基于训练好的学生网络模型对待检测图像进行目标关键点检测。本发明利用了高维空间特征向量和低维空间特征向量的两种蒸馏损失，通过温度T的变化，互相约束和促进，引导学生模型训练寻找最优解集，其中高维特征蒸馏能降低学生模型的过拟合，并增强鲁棒性。
-
公开(公告)号：CN115019136A
公开(公告)日：2022-09-06
申请号：CN202210935118.8
申请日：2022-08-05
Applicant: 山东圣点世纪科技有限公司
IPC: G06V10/774 , G06V20/70 , G06V10/40 , G06V10/82
Abstract: 本发明公开了一种抗边界点漂移的目标关键点检测模型训练方法及检测方法，属于图像处理技术领域，抗边界点漂移的目标关键点检测模型训练方法为构建包括关键点坐标信息和概率值信息的训练集图像；构建抗边界关键点漂移检测模型，在特征提取网络最后一个全连接层后并联设置n个坐标信息输出层和1个概率值信息输出层，每一坐标信息输出层输出一个关键点的坐标信息，概率输出层输出n个关键点的概率值信息，基于关键点的坐标信息和概率值信息构建损失函数；对模型进行训练，基于关键点的概率值信息调整损失函数中比例参数，进而增加对边界上关键点的训练比重，使得边界关键点不漂移。
-
公开(公告)号：CN115311691B
公开(公告)日：2023-02-28
申请号：CN202211243982.8
申请日：2022-10-12
Applicant: 山东圣点世纪科技有限公司
IPC: G06V40/10 , G06V10/25 , G06V10/30 , G06V10/32 , G06V10/36 , G06V10/46 , G06V10/54 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种基于腕部静脉和腕部纹理的联合识别方法，属于生物识别技术领域，该方法从采集到的腕部静脉图像中截取ROI图像，依次进行归一化处理和去噪处理；从ROI图像中分离出多尺度的纹理区域图像和多尺度的静脉区域图像，分别对多尺度纹理区域图像和多尺度静脉区域图像进行融合；对纹理区域融合图像进行纹理增长，对静脉区域融合图像进行静脉增长；从纹理增长后的纹理区域融合图像中提取腕部纹理特征，从静脉增长后的静脉区域融合图中提取腕部静脉特征及信息熵；基于信息熵构建二叉树的大顶堆结构，基于二叉树的大顶堆结构对腕部纹理特征和腕部静脉特征进行联合识别。本发明的安全度更高，识别率高，识别过程快速且准确。
-
-
-
-
-
Search Results
6
records
(took 0.035 seconds)
