-
公开(公告)号：CN108564051A
公开(公告)日：2018-09-21
申请号：CN201810369457.8
申请日：2018-04-23
Applicant: 广州大学
IPC: G06K9/00
Abstract: 本发明公开了一种正则化仿射包模型人脸图像集识别的核快速算法。本发明在基于正则化仿射包模型最近邻点的人脸图像集识别方法的基础上，使用核函数将其推广到高维空间上，并推导了使用核函数进行参数迭代更新的目标优化函数、参数更新公式、代价函数公式等，提出了一种核化的正则化仿射包最近邻点方法。该方法有效解决了原正则化仿射包模型方法不能处理非线性人脸图像集数据的问题。另外，本发明还在核化的凸包模型图像集协同表达与分类方法的基础上，使用正则化仿射包模型核快速算法代替其标准二次规划求解方案，提出了核化的正则化仿射包模型图像集协同表达与分类方法。该方法有效提高了原方法的图像集识别速度。
-
公开(公告)号：CN118314281A
公开(公告)日：2024-07-09
申请号：CN202410416428.8
申请日：2024-04-08
Applicant: 广州大学
Abstract: 本说明书实施例提供了一种基于局部点云几何信息的三维人体重建方法及系统，其中，方法包括：获取人体三维点云数据和与其逐帧匹配的SMPL骨架，根据所述点云数据计算得到局部点云几何信息，基于所述SMPL骨架得到人体每个部件的点云坐标和姿势条件向量，根据所述SMPL骨架和所述点云坐标计算得到规范点云坐标；融合所述局部点云几何信息、所述姿势条件向量和所述规范点云坐标作为输入数据，将所述输入数据输入符号距离神经网络并通过多种损失函数训练所述符号距离神经网络，得到所有符号距离为零的点，完成三维人体的重建。
-
公开(公告)号：CN108564051B
公开(公告)日：2021-10-01
申请号：CN201810369457.8
申请日：2018-04-23
Applicant: 广州大学
IPC: G06K9/00
Abstract: 本发明公开了一种正则化仿射包模型人脸图像集识别的核快速算法。本发明在基于正则化仿射包模型最近邻点的人脸图像集识别方法的基础上，使用核函数将其推广到高维空间上，并推导了使用核函数进行参数迭代更新的目标优化函数、参数更新公式、代价函数公式等，提出了一种核化的正则化仿射包最近邻点方法。该方法有效解决了原正则化仿射包模型方法不能处理非线性人脸图像集数据的问题。另外，本发明还在核化的凸包模型图像集协同表达与分类方法的基础上，使用正则化仿射包模型核快速算法代替其标准二次规划求解方案，提出了核化的正则化仿射包模型图像集协同表达与分类方法。该方法有效提高了原方法的图像集识别速度。
-
公开(公告)号：CN116342998A
公开(公告)日：2023-06-27
申请号：CN202211589607.9
申请日：2022-12-09
Applicant: 广州大学
IPC: G06V10/82 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及计算机视觉技术领域，且公开了融合注意力机制的多通道卷积神经网络图像识别方法，包括S3将二次补丁嵌入融合后的图像特征进行尺寸和方向的调节，并在卷积层和池化层中将融合后得到的图像特征可统一大小尺寸进行比对，并根据不同的角度进行调整，识别图像特征的多样性。本发明中S2‑1中对注意力机制融合后的图像特征进行数值初始化，并根据得到的初始化数值进行训练，并对训练后的特征进行提取，通过对初始化数值进行多次补丁嵌入训练，将训练后得到的数值进行卷积操作，得到训练后的图像特征，并与训练前的图像特征进行对比，达到弥补遗漏的细节特征，最后对细节特征进行分类，有效的避免同类别的图像识别差异大的问题。
-
公开(公告)号：CN115496957A
公开(公告)日：2022-12-20
申请号：CN202210938573.3
申请日：2022-08-05
Applicant: 广州大学
IPC: G06V10/774 , G06V10/80 , G06V10/74
Abstract: 本发明公开了一种融合协同表达最近邻距离与黎曼流形的图像集识别方法，包括以下步骤：S1：获得训练图像集S2：对训练图像集利用最近邻距离进行欧式空间尺度建模；S3：对训练图像集进行Grassman流形尺度建模；S4：对训练图像集进行SPD流形尺度建模；S5：将不同空间上的尺度映射到统一的希尔伯特空间，再通过学习马氏距离矩阵获得融合后的距离度量公式；S6：通过核方法学习能够最大化类间散度和最小化类内散度的马氏距离矩阵，得到图像集之间的最优相似度度量。本发明提供的技术方案相较现有方法有更高的识别率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN106503750B
公开(公告)日：2019-07-23
申请号：CN201610981645.7
申请日：2016-11-02
Applicant: 广州大学
Abstract: 本发明公开了一种融合差分子空间与正交子空间的图像集分类方法。鉴于目前分别基于差分子空间和正交子空间的图像集分类方法均存在着公共子空间的判别信息不能被完全利用的缺点，本发明结合该两种方法各自的优势，对两种方法各自使用的公共子空间技术进行有效融合。提出使用最优融合分割点方法来融合两种方法的差分子空间和正交子空间，从而产生能够利用公共子空间中所有特征空间维度判别信息的满秩投影变换矩阵。利用该投影变换矩阵可以生成判别力更强的线性子空间，并用于图像集分类。本发明的优点在于：充分利用了公共子空间中所有维度的判别信息；采用实验方法确定最优的差分子空间和正交子空间融合分割点，获得最适合对应数据集的融合分割点。
-
公开(公告)号：CN116805345A
公开(公告)日：2023-09-26
申请号：CN202310852666.9
申请日：2023-07-11
Applicant: 广州大学
Abstract: 本发明提供了一种可塑身神经辐射表示的三维人体重建方法及系统，涉及三维重建技术领域，其中，方法包括：使用SMPLify工具进行姿态估计，得到视频中每一帧的姿态及身体形状；将从目标外观体到标准体拆分为由骨架运动驱动的变形和由身体形状驱动的变形，完成从目标外观体到标准体的映射；通过设置低维塑身参数去调整身体形状；根据预设的可塑身的神经辐射场模型，通过从目标外观体到标准体的映射对调整后的身体形状重表示，最终可生成任意视角下的塑身后的视频。以解决三维人体重建的可塑身问题。
-
公开(公告)号：CN116778045A
公开(公告)日：2023-09-19
申请号：CN202310838277.0
申请日：2023-07-07
Applicant: 广州大学
Abstract: 本发明公开了一种神经辐射场数字人生成方法、系统及装置，包括：S1、构建动作和纹理编辑的神经辐射场模型；S2、训练动作和纹理编辑的神经辐射场模型；S3、基于训练好的动作和纹理编辑的神经辐射场模型得到动作和纹理编辑的定制数字人二维图像。本发明可以实现神经辐射场数字人生成方法、系统及装置。
-
公开(公告)号：CN116433960A
公开(公告)日：2023-07-14
申请号：CN202310236229.4
申请日：2023-03-10
Applicant: 广州大学
IPC: G06V10/764 , G06V10/774 , G06V10/77
Abstract: 本发明公开了一种核化的逆近邻判别分析方法，包括如下步骤：获得训练图像样本；利用高斯核函数将输入数据映射到高维空间；利用核技巧以及逆近邻算法得到训练图像样本在高维空间中的类内散度矩阵和类间散度矩阵的表达；通过特征分解学习最大化类间散度矩阵和最小化类内散度矩阵的投影矩阵；利用投影矩阵对训练和测试图像样本进行特征提取；使用最近邻算法对测试样本进行分类。本发明首次将逆近邻线性判别分析方法推广到高维空间，以解决非线性数据的分类问题，提出使用高斯核函数进行高维映射，对该算法进行核化，利用核技巧进行非显式映射的推导，在高斯函数映射后的空间中建立高维逆近邻进而求取散度矩阵，其中利用核技巧实现高维空间中的距离表达。
-
公开(公告)号：CN116168247A
公开(公告)日：2023-05-26
申请号：CN202310180179.2
申请日：2023-02-27
Applicant: 广州大学
IPC: G06V10/764 , G06V10/74 , G06V10/40 , G06V10/771 , G06V10/77 , G06N20/00
Abstract: 本发明公开了一种基于特征谱正则化的逆近邻线性判别分析方法及装置，包括，获取已分类的训练图像集合；根据训练图像集合计算邻内散度矩阵，对邻内散度矩阵进行特征分解得到特征向量和特征值；对邻内散度矩阵的特征值进行正则化形成多种加权函数，选择多个加权函数中的其中之一对特征向量进行加权处理得到加权特征向量，使用加权特征向量对训练图像集合中每个图像的像素值进行投影得到新的图像特征；根据新的训练图像集合特征计算总体散度矩阵。在逆近邻线性判别分析方法的基础上加入了特征谱正则化技术,从而避免普通线性判别分析中由于训练样本过少而导致的类内散度矩阵奇异,难以使用特征分解求取最优投影矩阵的问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
