-
公开(公告)号：CN119963862A
公开(公告)日：2025-05-09
申请号：CN202510017418.1
申请日：2025-01-06
Applicant: 西南科技大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于原型匹配学习的不完全多视图聚类方法及系统，属于计算机视觉技术领域。基于视图重建模型、一致性学习模型、原型对比学习模型和数据补全模型构建视图数据处理网络，其中，通过数据补全模型恢复缺失数据；结合视图重建模型、一致性学习模型、原型对比学习模型的损失函数构建目标损失函数；利用目标损失函数训练视图数据处理网络，得到视图数据优化网络；将待聚类视图数据集输入视图数据优化网络，得到优化后的完整数据和缺失数据的统一表示，在统一表示上使用K‑means聚类算法进行聚类。本发明能够解决多视图数据异质性、PUP及数据补全不稳定性问题，进一步提高不完全多视图聚类的有效性。
-
公开(公告)号：CN118279569A
公开(公告)日：2024-07-02
申请号：CN202410696571.7
申请日：2024-05-31
Applicant: 西南科技大学
IPC: G06V10/25 , G06V10/80 , G06N3/0455
Abstract: 本发明公开了一种多源异构融合表征指导下的全天候快速目标识别算法，属于图像处理领域，包括统计图像信息，自适应计算出融合权重；将RGB图像和红外图像分别传入至双流网络的两个输入端进行特征提取，使用视觉Transformer模型进行融合，再将融合后的特征与多源异构环境知识的多层次语义融合特征实现注意力多尺度融合，输出不同尺度的输出结果；将输出结果进一步融合红外图像权重和RGB图像权重实现效果优化后的目标检测与识别的结果。本发明采用上述的一种多源异构融合表征指导下的全天候快速目标识别算法，设计双流网络实现多源快速目标识别，使用视觉Transformer模型获得更高效的多源融合特征；充分利用融合后的多源信息，实现网络性能和效率的平衡。
-
公开(公告)号：CN116432062B
公开(公告)日：2024-05-31
申请号：CN202111627662.8
申请日：2021-12-29
Applicant: 西南科技大学
IPC: G06F18/23213 , G06F18/214
Abstract: 本发明公开了一种聚类中心一致性指导采样学习的多核聚类方法，包括以下步骤：S1.输入待分析数据；S2.利用核映射和奇异值分解（SVD），对待分析数据进行预处理，得到基聚类指示矩阵；S3.对基聚类指示矩阵，构建聚类中心一致性指导采样学习的多核聚类方法的目标函数；S4.采用交替迭代优化（坐标下降）的方法求解目标函数，计算得到共识表示矩阵；S5.对优化得到的共识表示矩阵执行K‑均值（K‑means），得到最终聚类结果。本发明与现有方法相比，提出了聚类中心一致性指导采样学习的多核聚类方法，提高锚点质量的同时，解决了现有方法时间和空间消耗大的问题，有效提高了聚类性能；可广泛应用于计算机视觉和模式识别等技术领域。
-
公开(公告)号：CN116432062A
公开(公告)日：2023-07-14
申请号：CN202111627662.8
申请日：2021-12-29
Applicant: 西南科技大学
IPC: G06F18/23213 , G06F18/214
Abstract: 本发明公开了一种聚类中心一致性指导采样学习的多核聚类方法，包括以下步骤：S1.输入待分析数据；S2.利用核映射和奇异值分解（SVD），对待分析数据进行预处理，得到基聚类指示矩阵；S3.对基聚类指示矩阵，构建聚类中心一致性指导采样学习的多核聚类方法的目标函数；S4.采用交替迭代优化（坐标下降）的方法求解目标函数，计算得到共识表示矩阵；S5.对优化得到的共识表示矩阵执行K‑均值（K‑means），得到最终聚类结果。本发明与现有方法相比，提出了聚类中心一致性指导采样学习的多核聚类方法，提高锚点质量的同时，解决了现有方法时间和空间消耗大的问题，有效提高了聚类性能；可广泛应用于计算机视觉和模式识别等技术领域。
-
公开(公告)号：CN115908880A
公开(公告)日：2023-04-04
申请号：CN202111149188.2
申请日：2021-09-29
Applicant: 西南科技大学
IPC: G06V10/762
Abstract: 本发明公开了一种基于对偶张量的多视图子空间聚类方法，通过构建基于对偶张量的多视图子空间聚类方法的目标函数，寻找原始多视图数据的低维子空间，缓解原始数据中噪声的影响；并在低维子空间中构建对偶张量，从而充分挖掘多视图数据中的高阶相关性。本发明方法通过联合子空间学习和对偶张量学习，解决了现有聚类算法忽略了多视图数据的高阶信息的问题，有效地提高多视图聚类性能，实现对多视图数据的准确聚类。
-
Patent Agency Ranking
-
公开(公告)号：CN110223258A
公开(公告)日：2019-09-10
申请号：CN201910508122.4
申请日：2019-06-12
Applicant: 西南科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种多模式快速视频图像去雾方法及装置，包括：第一图像采集装置；第二图像采集装置；第一目标图像信息输入装置；第二目标图像信息输入装置；第一图像识别装置；第二图像识别装置；图像对比分析装置。本发明本申请通过第一图像采集装置和第二图像采集装置直接采集高低配双鞋跟的图像信息，并进行相应的图像识别后，获得识别结果，实现了鞋底后跟高低配双自动检测，并且，夹具夹持住后跟的部分区域被夹具挡住，无法采集到这部分区域的信息，通过第一压力传感器阵列和第二压力传感器阵列采集该区域的压力信息，进而判断出该区域的实际高低配双数据，使得在该一种多模式快速视频图像去雾方法及装置进行检测的鞋底后跟无检测死角，进一步减少了误差。
-
公开(公告)号：CN109764769B
公开(公告)日：2022-08-19
申请号：CN201910149647.3
申请日：2019-02-28
Applicant: 西南科技大学
IPC: F42B33/00
Abstract: 本发明涉及军工装配领域，特别是一种基于可视化装配系统的实时弹药装配指导方法。读取正确装配工序和三维零部件模型以及部位数据信息；播放可视化装配视频，显示零部件以及相应部位数据信息；操作人员提取装配零部件进行扫码识别；可视化装配工艺集成软件系统判断装配零件是否正确；若正确则显示装配视频，循环播放对应可视化装配视频，否则锁死可视化装配视频；完成装配后进行装配校验。通过实时同步的可视化指导人工装配，减少人员查找手册时间和减少人员对相关技术的记忆量，通过CAPP系统提前切割好装配的小视频、BOM表单等数据，节省了在数据库中临时切割视频的计算量和计算时间，从而节约了时间，减少了错误装配、提高了装配效率和正确性。
-
公开(公告)号：CN114627323A
公开(公告)日：2022-06-14
申请号：CN202011433904.5
申请日：2020-12-10
Applicant: 西南科技大学
IPC: G06V10/764 , G06V10/762 , G06V10/50 , G06K9/62
Abstract: 本发明公开了一种两阶段连续级联的图像集分类方法，包括：对训练图像集和查询图像集通过建模简化仿射包的方法，得到大型图像集内部不显著的变化和特征；基于最小二乘问题求解法，通过计算出两简化仿射包间最近距离，用于定义两图像集之间差异；基于两简化仿射包最近距离计算，拒绝大部分不可能图像集，并返回与查询集最为接近的前n个候选集；采用k‑均值聚类算法对候选集进行合理的子集提取；通过归一化后的直方图数据，经过反向训练，映射到源图像集得到查询图像集类标签。方法有效减少了图像集分类的计算复杂度，提高了鲁棒性和图像集分类方法的可伸缩性。
-
公开(公告)号：CN111274963A
公开(公告)日：2020-06-12
申请号：CN202010066364.5
申请日：2020-01-20
Applicant: 西南科技大学
Abstract: 本发明涉及疲劳驾驶检测领域，目的是提供基于图像处理的疲劳驾驶预警系统，本发明包括系统包括采集模块、处理模块和显示模块，所述采集模块录入驾驶员的图像并传送至所述处理模块，所述图像中包含有驾驶员的面部特征，所述处理模块对所述图像中的面部特征进行人眼定位并获取驾驶员的眼部特征数据，通过将眼部特征数据进行闭合频率检测得出闭眼百分率，根据驾驶员的闭眼百分率得出驾驶员的疲劳程度并通过显示模块显示。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.031 seconds)
