-
公开(公告)号：CN109344713A
公开(公告)日：2019-02-15
申请号：CN201811010502.7
申请日：2018-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种姿态鲁棒的人脸识别方法，涉及计算机视觉领域。本发明针对现有的人脸识别方法在遇到人脸姿态变化时，识别精度有很大程度的下降，而相应的解决方案操作步骤复杂且实际部署困难的技术问题，提出了一种姿态鲁棒的人脸识别方法，本发明根据面部属性不随姿态变化的特性，在侧脸时加入人脸属性损失，并对原始的分类损失函数进行一定改进，提升了网络在侧脸时提取特征的有效性，提高了姿态变化时的鲁棒性。
-
公开(公告)号：CN109344822B
公开(公告)日：2022-06-03
申请号：CN201811018931.9
申请日：2018-09-03
Applicant: 电子科技大学
IPC: G06V20/62
Abstract: 本发明公开了一种基于长短期记忆网络的场景文本检测方法。本发明通过使用LSTM对特征建模，得到该位置与其上下左右位置特征的空间上下文联系，再对该特征进行文本检测。本发明所提出的基于长短期记忆网络的场景文本检测方法，相比于传统只使用局部特征的方法能大大减少错误检测，同时还能够检测到很多局部特征不明显的文本信息，减少了文本的遗漏。发明的主要创新点在于使用LSTM对特征进行横向和纵向的建模，得到该位置与其上下左右位置特征的空间上下文联系。相比于传统的场景文本检测算法，该方法能够更有效的检测到局部特征不明显的文本信息，并减少检测错误率，提升检测精度。
-
公开(公告)号：CN109344713B
公开(公告)日：2021-11-02
申请号：CN201811010502.7
申请日：2018-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种姿态鲁棒的人脸识别方法，涉及计算机视觉领域。本发明针对现有的人脸识别方法在遇到人脸姿态变化时，识别精度有很大程度的下降，而相应的解决方案操作步骤复杂且实际部署困难的技术问题，提出了一种姿态鲁棒的人脸识别方法，本发明根据面部属性不随姿态变化的特性，在侧脸时加入人脸属性损失，并对原始的分类损失函数进行一定改进，提升了网络在侧脸时提取特征的有效性，提高了姿态变化时的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109308458A
公开(公告)日：2019-02-05
申请号：CN201811010695.6
申请日：2018-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征谱尺度变换提升小目标检测精度的方法，属于目标检测技术领域。本发明在传统目标检测算法SSD的基础上，通过对特征谱通道、宽和高的重组操作，将深层特征谱的宽和高放大一倍，然后将得到的新的特征谱与浅层特征谱进行级联组合得到新的特征谱，在此基础上预测目标的位置和类别。本发明不用通过额外的计算，将特征谱用重组的方式进行尺度变换放大，实现小目标检测效果的提升。相比传统的SSD检测方法，该方案能够更有效地提升小目标检测的精度，同时对于较大目标也能保持很好的精度效果。
-
公开(公告)号：CN109255320A
公开(公告)日：2019-01-22
申请号：CN201811018713.5
申请日：2018-09-03
Applicant: 电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00973 , G06K2209/21
Abstract: 本发明公开了一种改进的非极大值抑制方法。本发明通过多次迭代筛选的方式进行抑制处理：对待处理的矩形框按照置信度从高到低排序，保留当前置信度最高的矩形框，然后依次遍历余下矩形框的与已保留的所有矩形框的重叠面积的总和占全图面积的比例是否大于阈值，若是，则将其删除；然后未删除和未保留的矩形框作为新的一轮待处理的矩形框继续进行上述抑制处理，直到待处理的矩形框只存在一个。本发明通过上述方式，解决了传统非极大值抑制方法对于不规则目标输出矩形框数量较少、重叠率较高、矩形框对目标的拟合度较低的技术问题。
-
公开(公告)号：CN109308458B
公开(公告)日：2022-03-15
申请号：CN201811010695.6
申请日：2018-08-31
Applicant: 电子科技大学
IPC: G06V20/10 , G06V20/40 , G06V10/75 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于特征谱尺度变换提升小目标检测精度的方法，属于目标检测技术领域。本发明在传统目标检测算法SSD的基础上，通过对特征谱通道、宽和高的重组操作，将深层特征谱的宽和高放大一倍，然后将得到的新的特征谱与浅层特征谱进行级联组合得到新的特征谱，在此基础上预测目标的位置和类别。本发明不用通过额外的计算，将特征谱用重组的方式进行尺度变换放大，实现小目标检测效果的提升。相比传统的SSD检测方法，该方案能够更有效地提升小目标检测的精度，同时对于较大目标也能保持很好的精度效果。
-
公开(公告)号：CN109255320B
公开(公告)日：2020-09-25
申请号：CN201811018713.5
申请日：2018-09-03
Applicant: 电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种改进的非极大值抑制方法。本发明通过多次迭代筛选的方式进行抑制处理：对待处理的矩形框按照置信度从高到低排序，保留当前置信度最高的矩形框，然后依次遍历余下矩形框的与已保留的所有矩形框的重叠面积的总和占全图面积的比例是否大于阈值，若是，则将其删除；然后未删除和未保留的矩形框作为新的一轮待处理的矩形框继续进行上述抑制处理，直到待处理的矩形框只存在一个。本发明通过上述方式，解决了传统非极大值抑制方法对于不规则目标输出矩形框数量较少、重叠率较高、矩形框对目标的拟合度较低的技术问题。
-
公开(公告)号：CN109344822A
公开(公告)日：2019-02-15
申请号：CN201811018931.9
申请日：2018-09-03
Applicant: 电子科技大学
IPC: G06K9/32
Abstract: 本发明公开了一种基于长短期记忆网络的场景文本检测方法。本发明通过使用LSTM对特征建模，得到该位置与其上下左右位置特征的空间上下文联系，再对该特征进行文本检测。本发明所提出的基于长短期记忆网络的场景文本检测方法，相比于传统只使用局部特征的方法能大大减少错误检测，同时还能够检测到很多局部特征不明显的文本信息，减少了文本的遗漏。发明的主要创新点在于使用LSTM对特征进行横向和纵向的建模，得到该位置与其上下左右位置特征的空间上下文联系。相比于传统的场景文本检测算法，该方法能够更有效的检测到局部特征不明显的文本信息，并减少检测错误率，提升检测精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
