-
公开(公告)号：CN116152199A
公开(公告)日：2023-05-23
申请号：CN202310153013.1
申请日：2023-02-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于分割图引导与正则约束的手部姿态与形状估计方法，主要解决现有技术在手物遮挡情况下估计结果准确率较低的问题。其实现方案是：将数据集划分为训练数据集与测试数据集；构建由特征提取主干、正则约束金字塔模块、分割引导模块以及回归模块构成的基于分割图引导与正则约束的手部姿势与形状估计网络；使用训练数据集对该网络进行训练；将测试数据集输入到训练好的网络中得到手部估计结果。本发明通过引入分割引导模块以利用不同可见度的手部分割图辅助手物遮挡下的估计，并通过引入正则约束金字塔模块对网络特征进行约束，相较于现有手部姿势与形状估计方法，显著提高了手部估计效果，可用于手部图像解译的中间处理。
-
公开(公告)号：CN114973401B
公开(公告)日：2025-04-04
申请号：CN202210433456.1
申请日：2022-04-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于动作检测与多模态学习的标准化引体向上评估方法，主要解决现有方法对引体向上计数和标准性评估不准确的问题。其实现方案是：引入人脸识别进行身份识别，通过语音关键词控制视频采集；采用单周期波形序列分割法对完整引体向上动作视频进行单次动作检测，提取单次动作视频片段；根据考核标准设定动作判定参数；对视频片段进行人体骨骼点估计，生成单次动作评估向量，判断单次引体向上动作的标准性；基于实时判断结果进行视频、骨骼数据与音频的多模态学习；统计符合标准的引体向上动作个数，生成评估报告，以指导被测试人员查看标准示例进行动作调整。本发明检测准确性高，抗干扰能力强，可用于平时体育训练及体测。
-
公开(公告)号：CN112364773A
公开(公告)日：2021-02-12
申请号：CN202011258058.8
申请日：2020-11-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于L1正则约束深度多示例学习的高光谱目标检测方法，主要解决现有技术对复杂场景下的高光谱目标检测效果差的问题。其实现步骤为：1)对输入图像进行划分，得到训练集和测试集；2)构建基于L1正则约束的深度多示例学习网络W；3)用训练集对网络W进行迭代训练，当构建的损失函数达到最小值时，得到初步训练完成的网络Wi，再将训练集重新输入到初步训练完成的网络Wi中进行迭代训练到设定的最大迭代次数，得到最终训练好的网络W′；4)将测试集的每个示例点输入到最终训练好的网络W′进行检测，得到检测结果。本发明提高了不精确标记的高光谱目标的检测结果，减小了过拟合现象，可用于爆炸物、农作物的精细分类。
-
Patent Agency Ranking
公开(公告)号：CN116343338A
公开(公告)日：2023-06-27
申请号：CN202310351817.2
申请日：2023-04-04
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于层次时空注意力网络的人体骨架动作识别方法，主要解决现有技术混淆时间特征与空间特征，缺乏多层次动作表征的问题。其实现方案是：获取人体骨架序列组成人体骨架数据，构建训练样本集和测试样本集；将训练样本集和测试样本集中的关节点划分为身体部位，人体骨架序列划分为时间片段；构建由位置编码模块、层次时空注意力模块、分类模块组成的人体骨架动作识别模型；用划分后的训练样本集训练人体骨架动作识别模型；将划分后的测试样本集输入训练好的动作识别模型中，得到人体骨架动作识别结果。本发明能提取人体动作的多层次动作特征，且识别精度高，可广泛应用于视频理解、人机交互、智能监控及医疗康复等领域。
-
公开(公告)号：CN114140700A
公开(公告)日：2022-03-04
申请号：CN202111450018.8
申请日：2021-12-01
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于级联网络的分步异源图像模板匹配方法，主要解决现有技术对于大尺寸异源图像对难以平衡匹配速度和精度的问题。其实现方案为：根据开源数据集构建训练集和测试集；构建抑制网络，并制作该网络的训练数据，利用该数据训练抑制网络；构建粗粒度匹配网络，并根据训练集构建该网络的训练数据，利用该训练数据和训练好的抑制网络训练粗粒度匹配网络；构建细粒度匹配网络，并根据训练集制作该网络的训练数据，利用该训练数据训练细粒度匹配网络；将测试集图像输入到训练好的粗粒度匹配网络，再将输出结果输入到训练好的细粒度匹配网络得到匹配结果。本发明提高了异源图像匹配的精度，且有稳定的匹配速度，可用于飞行器的辅助制导。
-
公开(公告)号：CN113610097B
公开(公告)日：2023-05-05
申请号：CN202110907055.0
申请日：2021-08-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度相似指导网络的舰船目标分割方法，主要解决现有技术在小样本条件下对舰船目标分割结果较差的问题。其方案是：将现有的不同地区且包含不同成像方式的SAR图像舰船目标分割数据集构建原始数据集；将原始数据集构建为小样本分割训练数据集和小样本分割测试数据集；构建由支撑图像的特征提取支路、查询图像的特征提取支路、相似度指导模块及生成支路构成的多尺度相似指导网络；使用小样本训练集对该网络进行训练；将小样本测试集输入到训练好的网络中得到舰船目标的分割结果。本发明相较于其他小样本语义分割方法，有效减少目标域上数据所需标注数据的数量，提高了小样本语义分割效果。可用于SAR图像解译的中间处理。
-
公开(公告)号：CN114973401A
公开(公告)日：2022-08-30
申请号：CN202210433456.1
申请日：2022-04-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于动作检测与多模态学习的标准化引体向上评估方法，主要解决现有方法对引体向上计数和标准性评估不准确的问题。其实现方案是：引入人脸识别进行身份识别，通过语音关键词控制视频采集；采用单周期波形序列分割法对完整引体向上动作视频进行单次动作检测，提取单次动作视频片段；根据考核标准设定动作判定参数；对视频片段进行人体骨骼点估计，生成单次动作评估向量，判断单次引体向上动作的标准性；基于实时判断结果进行视频、骨骼数据与音频的多模态学习；统计符合标准的引体向上动作个数，生成评估报告，以指导被测试人员查看标准示例进行动作调整。本发明检测准确性高，抗干扰能力强，可用于平时体育训练及体测。
-
公开(公告)号：CN113610097A
公开(公告)日：2021-11-05
申请号：CN202110907055.0
申请日：2021-08-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多尺度相似指导网络的舰船目标分割方法，主要解决现有技术在小样本条件下对舰船目标分割结果较差的问题。其方案是：将现有的不同地区且包含不同成像方式的SAR图像舰船目标分割数据集构建原始数据集；将原始数据集构建为小样本分割训练数据集和小样本分割测试数据集；构建由支撑图像的特征提取支路、查询图像的特征提取支路、相似度指导模块及生成支路构成的多尺度相似指导网络；使用小样本训练集对该网络进行训练；将小样本测试集输入到训练好的网络中得到舰船目标的分割结果。本发明相较于其他小样本语义分割方法，有效减少目标域上数据所需标注数据的数量，提高了小样本语义分割效果。可用于SAR图像解译的中间处理。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
