-
公开(公告)号：CN113378722A
公开(公告)日：2021-09-10
申请号：CN202110657341.6
申请日：2021-06-11
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于3D卷积和多级语义信息融合的行为识别方法及系统，通过3D卷积网络提取视频帧序列的时空特征；为了防止在3D卷积过程中丢失某些对识别出行为类别极为关键的时间语义信息，使用多级语义信息融合模块来聚集3D卷积网络中各个中间层特征所包含的时间语义信息；将提取出的时间语义信息和3D卷积网络所提取的特征进行融合并分类，得到行为类别。本发明利用LSTM网络设计了多级语义信息融合模块，该模块从3D卷积网络所产生的中间特征中提取时间语义信息，并将其和3D卷积网络提取的最终特征进行融合，使网络的分类器接收更多的信息，提升最终的识别准确率。
-
公开(公告)号：CN113378722B
公开(公告)日：2023-04-07
申请号：CN202110657341.6
申请日：2021-06-11
申请人： 西安电子科技大学
IPC分类号： G06V40/20 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种基于3D卷积和多级语义信息融合的行为识别方法及系统，通过3D卷积网络提取视频帧序列的时空特征；为了防止在3D卷积过程中丢失某些对识别出行为类别极为关键的时间语义信息，使用多级语义信息融合模块来聚集3D卷积网络中各个中间层特征所包含的时间语义信息；将提取出的时间语义信息和3D卷积网络所提取的特征进行融合并分类，得到行为类别。本发明利用LSTM网络设计了多级语义信息融合模块，该模块从3D卷积网络所产生的中间特征中提取时间语义信息，并将其和3D卷积网络提取的最终特征进行融合，使网络的分类器接收更多的信息，提升最终的识别准确率。
-
公开(公告)号：CN113313039A
公开(公告)日：2021-08-27
申请号：CN202110618201.8
申请日：2021-05-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于动作知识库与集成学习的视频行为识别方法及系统，使用3D深度残差网络提取输入视频的全局特征，借助动作知识库来提取基于视觉的动作状态特征和基于语言的动作状态特征；将提取出的特征依照人体部位构建对应的图结构，构建一种多头图卷积特征融合网络来对构建的图结构进行信息融合；构建五种结构类似的弱分类器，前三个分类器输入为上述三种特征，后两个分类器输入为级联之后的特征；提出了一种动态的交叉熵损失函数，来对不同的弱分类器的结果进行集成与分类。实现对视频段中包含的动作的分类，提升了分类准确率。
-
公开(公告)号：CN113239867B
公开(公告)日：2023-08-11
申请号：CN202110603103.7
申请日：2021-05-31
申请人： 西安电子科技大学
IPC分类号： G06V40/16 , G06V10/141 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094
摘要： 本发明公开了一种基于掩码区域自适应增强的光照变化人脸识别方法，针对像素层面，引入人脸解析模型和五官对称性先验，对光照变化人脸图像中光照条件极差的五官区域进行着重增强，并对五官以及人脸轮廓进行保持；其次，针对特征层面，基于人脸数据集构建成对图像，然后引入人脸特征提取网络，对生成的图像和与其对应的标准图像提取人脸特征，并施加身份特征约束，使生成的图像与其对应的标准图像具有相似的特征，提高人脸识别准确率。本发明实现了对光照变化人脸图像较好的增强，提高了人脸识别准确率。
-
公开(公告)号：CN113378938B
公开(公告)日：2022-12-13
申请号：CN202110657352.4
申请日：2021-06-11
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于边Transformer图神经网络的小样本图像分类方法及系统，引入transformer模型来对图中的边特征进行更新，通过将结点之间的差值特征图拆分成特征块序列输入到transformer模块得到更新后的边特征，使得每一个像素位置会被分配不同的注意力权重以突出关键区域。本发明的思想是利用transformer中的自注意力机制来自动聚焦到用于衡量结点间相似性的关键区域，从而达到抑制背景信息并突出关键区域的目的。本发明在miniImageNet数据集上进行的对比实验证明了本发明可以提高小样本图像分类的精度。
-
公开(公告)号：CN113239866A
公开(公告)日：2021-08-10
申请号：CN202110603019.5
申请日：2021-05-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于时空特征融合与样本注意增强的人脸识别方法及系统，通过人脸检测得到视频中特定目标人脸序列并对其进行评分；使用时间序列处理算法ConvGRU对人脸序列进行时间特征提取；从人脸序列中选出分数最高的图像作为关键帧；送入到Resnet50网络中提取出三种不同深度的特征图，使用空间特征融合算法ASFF计算得到空间特征；最后，将上述得到的时间特征和空间特征在通道维度上拼接后送入全局平均池化层和全连接层，使用提出的ADAM‑Softmax损失函数对模型进行训练；由于ADAM‑Softmax损失函数能够自适应增强对类内差异性较大样本的注意，从而使得模型在快速收敛同时也能达到较高识别准确率。
-
公开(公告)号：CN113313039B
公开(公告)日：2023-07-25
申请号：CN202110618201.8
申请日：2021-05-31
申请人： 西安电子科技大学
IPC分类号： G06V40/20 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N20/20
摘要： 本发明公开了一种基于动作知识库与集成学习的视频行为识别方法及系统，使用3D深度残差网络提取输入视频的全局特征，借助动作知识库来提取基于视觉的动作状态特征和基于语言的动作状态特征；将提取出的特征依照人体部位构建对应的图结构，构建一种多头图卷积特征融合网络来对构建的图结构进行信息融合；构建五种结构类似的弱分类器，前三个分类器输入为上述三种特征，后两个分类器输入为级联之后的特征；提出了一种动态的交叉熵损失函数，来对不同的弱分类器的结果进行集成与分类。实现对视频段中包含的动作的分类，提升了分类准确率。
-
公开(公告)号：CN113378938A
公开(公告)日：2021-09-10
申请号：CN202110657352.4
申请日：2021-06-11
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于边Transformer图神经网络的小样本图像分类方法及系统，引入transformer模型来对图中的边特征进行更新，通过将结点之间的差值特征图拆分成特征块序列输入到transformer模块得到更新后的边特征，使得每一个像素位置会被分配不同的注意力权重以突出关键区域。本发明的思想是利用transformer中的自注意力机制来自动聚焦到用于衡量结点间相似性的关键区域，从而达到抑制背景信息并突出关键区域的目的。本发明在miniImageNet数据集上进行的对比实验证明了本发明可以提高小样本图像分类的精度。
-
公开(公告)号：CN113239867A
公开(公告)日：2021-08-10
申请号：CN202110603103.7
申请日：2021-05-31
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于掩码区域自适应增强的光照变化人脸识别方法，针对像素层面，引入人脸解析模型和五官对称性先验，对光照变化人脸图像中光照条件极差的五官区域进行着重增强，并对五官以及人脸轮廓进行保持；其次，针对特征层面，基于人脸数据集构建成对图像，然后引入人脸特征提取网络，对生成的图像和与其对应的标准图像提取人脸特征，并施加身份特征约束，使生成的图像与其对应的标准图像具有相似的特征，提高人脸识别准确率。本发明实现了对光照变化人脸图像较好的增强，提高了人脸识别准确率。
-
公开(公告)号：CN113378721B
公开(公告)日：2023-08-18
申请号：CN202110657280.3
申请日：2021-06-11
申请人： 西安电子科技大学
IPC分类号： G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于对称和局部判别的生成对抗人脸校正方法及系统，构造并训练基于对称性先验和局部判别的多路生成对抗网络，该网络包括多路生成器、全局图像判别器、局部区域判别器、全局图像特征提取网络和局部区域特征提取网络。依据人脸对称性这一先验知识，统一人脸偏转方向为正偏转方向，采用局部生成器对发生纹理和结构形变较小的左眼区域进行校正，水平翻转校正后的左眼区域作为校正后的右眼区域；同时对生成的正脸图像提取对应的局部区域进行图像判别和身份判别，使得最终生成的正脸图像在双眼区域与真实的正脸图像能够保持较好的一致性，同时能够更好的恢复局部纹理细节。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.032 秒)
