-
公开(公告)号：CN117789181B
公开(公告)日：2024-06-04
申请号：CN202410210718.7
申请日：2024-02-27
Applicant: 暨南大学
IPC: G06V20/59 , G06N3/0464 , G06V10/82 , G06V40/16
Abstract: 本发明涉及汽车安全驾驶技术领域，特别是涉及基于轻量级神经网络图像增强的驾驶疲劳检测方法与系统，方法包括：实时采集驾驶舱内驾驶人的动态图像，对动态图像进行增强处理；通过轻量化快速人脸检测器捕捉增强处理后的动态图像中驾驶人的人脸图像流；将人脸图像流输入预设的人脸关键特征点提取网络模型中，提取人脸图像流的每一帧图像的人脸关键特征点，其中，人脸关键特征点提取网络模型通过构建并训练重参数化轻量级卷积网络获得；基于人脸关键特征点判断驾驶人是否存在面部疲劳特征，在检测出存在面部疲劳特征时确定驾驶人存在疲劳驾驶。本发明能够实时、高效、低功耗、安全地处理数据图像数据并分析，及时对驾驶人的状态进行预警。
-
公开(公告)号：CN117523208B
公开(公告)日：2024-04-16
申请号：CN202410021388.7
申请日：2024-01-08
Applicant: 暨南大学
IPC: G06V10/26 , G06N3/0464 , G06V10/80 , G06V20/70 , G06V40/18
Abstract: 本发明公开了一种基于图像语义分割与分类的身份识别方法与系统，属于图像模式识别领域，包括：构建语义分割网络，基于人眼图像数据集与对应的掩码标签进行训练，获得已训练语义分割网络和虹膜图像集；构建目标分类网络，基于虹膜图像集与对应的身份标签进行训练，获得已训练目标分类网络；获取待识别图像，对待识别图像进行预处理得到待识别实时人眼图像；基于已训练语义分割网络与实时人眼图像获得待识别虹膜图像；通过已训练目标分类网络对待识别虹膜图像进行分类，获得身份标签，实现身份识别。本发明设计一种基于注意力机制和轻量高效模块的语义分割卷积神经网络及目标分类卷积神经网络，使基于虹膜的身份识别方法更准确、更安全、更高效。
-
公开(公告)号：CN117079103A
公开(公告)日：2023-11-17
申请号：CN202311331979.6
申请日：2023-10-16
Applicant: 暨南大学
IPC: G06V10/82 , G06N3/09 , G06V10/26 , G06V10/44 , G06V10/46 , G06V10/764 , G06V10/774
Abstract: 本发明涉及深度学习技术领域，提出一种用于神经网络训练的伪标签生成方法及系统，包括以下步骤：将输入图像及其对应的图像级别标签传输至基于残差结构的分类骨干网络进行注意力池化，得到类激活图，以及，将输入图像传输至显著对象检测网络进行区域检测，得到显著性图；融合类激活图与显著性图的各区域特征，合成输入图像的边界伪标签；利用边界伪标签监督边界检测网络的训练，并将输入图像传输至已训练完成的边界检测网络进行边界检测，提取输入图像的边界；利用边界引导类激活图进行细化传播，生成与输入图像相对应的语义分割伪标签。本发明能够大幅降低人工标注像素级标签的成本和时间，提高语义分割伪标签的精度和生成效率。
-
公开(公告)号：CN119494377A
公开(公告)日：2025-02-21
申请号：CN202510066018.X
申请日：2025-01-16
Applicant: 暨南大学
Abstract: 本发明涉及一种基于脉冲神经网络的神经形态计算系统及计算方法，所述系统包括：神经形态处理器，用于采用若干个物理神经元构建硬件化的脉冲神经网络，对实时输入图像进行脉冲编码和目标识别；基于RISC‑V指令架构实现的中央处理器，用于执行构建脉冲神经网络所需的控制指令；神经形态处理器还用于在控制指令的控制下对脉冲神经网络进行在线学习；存储器，用于存储中央处理器运行所需的程序指令以及中央处理器与神经形态处理器之间传输的数据。本发明还提供了一种神经形态计算方法。本发明提出的神经形态计算技术方案实现了在精度、计算速度、能效三者之间的高度平衡，可以准确、高效、低功耗地处理动态和复杂的任务数据。
-
公开(公告)号：CN119378618A
公开(公告)日：2025-01-28
申请号：CN202411757398.3
申请日：2024-12-03
Applicant: 暨南大学
Abstract: 本发明涉及一种基于近似计算的可在线学习神经形态处理器，包括：通信子系统、训练子系统和推理子系统；所述通信子系统，用于构建分层路由架构的多脉冲核心神经形态处理器；所述训练子系统，用于采用在线学习方法，优化所述多脉冲核心神经形态处理器的权重及阈值参数；所述推理子系统，用于在线训练后或离线部署权重后的所述多脉冲核心神经形态处理器对编码后输入图像数据进行推理，生成所述多脉冲核心神经形态处理器的分类输出。本发明提出一种基于在线学习和近似计算的神经形态处理器架构，以实现处理器在精度、能效比与响应速度三者之间的高度权衡，实时、高效地处理动态和复杂的任务数据。
-
Patent Agency Ranking
公开(公告)号：CN117523208A
公开(公告)日：2024-02-06
申请号：CN202410021388.7
申请日：2024-01-08
Applicant: 暨南大学
IPC: G06V10/26 , G06N3/0464 , G06V10/80 , G06V20/70 , G06V40/18
Abstract: 本发明公开了一种基于图像语义分割与分类的身份识别方法与系统，属于图像模式识别领域，包括：构建语义分割网络，基于人眼图像数据集与对应的掩码标签进行训练，获得已训练语义分割网络和虹膜图像集；构建目标分类网络，基于虹膜图像集与对应的身份标签进行训练，获得已训练目标分类网络；获取待识别图像，对待识别图像进行预处理得到待识别实时人眼图像；基于已训练语义分割网络与实时人眼图像获得待识别虹膜图像；通过已训练目标分类网络对待识别虹膜图像进行分类，获得身份标签，实现身份识别。本发明设计一种基于注意力机制和轻量高效模块的语义分割卷积神经网络及目标分类卷积神经网络，使基于虹膜的身份识别方法更准确、更安全、更高效。
-
公开(公告)号：CN116520990A
公开(公告)日：2023-08-01
申请号：CN202310489932.6
申请日：2023-04-28
Applicant: 暨南大学
IPC: G06F3/01 , G06F18/15 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N3/126
Abstract: 本发明涉及手势识别技术领域，提出一种基于轻量级神经网络的手语识别方法、系统及手套，包括以下步骤：以预设的采样周期采集手语动作数据；对采集的手语动作数据进行有效数据判断，得到有效的手语动作数据；将所述有效的手语动作数据输入轻量级神经网络进行手语识别，得到手语识别结果；其中，所述轻量级神经网络包括采用非对称并行卷积结构的浅层卷积神经网络，或基于遗传算法对平滑因子进行寻优的PNN神经网络。本发明通过对采集的手语动作数据进行有效数据判断，用于过滤冗余信息或无效信息，以降低手语识别的计算量；同时选用轻量级神经网络用于手语识别，能够有效缩短手语识别时延，以满足实时手语识别任务的需要。
-
公开(公告)号：CN115457363A
公开(公告)日：2022-12-09
申请号：CN202210957661.8
申请日：2022-08-10
Applicant: 暨南大学
Abstract: 本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。
-
公开(公告)号：CN114445430B
公开(公告)日：2022-06-21
申请号：CN202210365378.6
申请日：2022-04-08
Applicant: 暨南大学
Abstract: 本发明提出一种轻量级多尺度特征融合的实时图像语义分割方法，包括：构建包括初始化模块、分离‑提取‑合并瓶颈模块、分区‑融合通道注意力模块、特征融合模块和多尺度注意力解码器的图像语义分割网络。通过图像语义分割网络提取待处理图像初始特征图的多尺度特征，得到多尺度特征图；提取并融合初始特征图的全局通道信息和局部通道信息，得到通道信息特征图；将多尺度特征图、通道信息特征图和原始的待处理图像进行特征融合，得到融合特征图；基于融合特征图进行图像精度恢复，得到图像语义分割结果。本发明能够在参数量相对较小的轻量级图像语义分割网络模型中保证模型的精度和准确率，提高模型的推理速度，实现图像的实时语义分割。
-
公开(公告)号：CN117789181A
公开(公告)日：2024-03-29
申请号：CN202410210718.7
申请日：2024-02-27
Applicant: 暨南大学
IPC: G06V20/59 , G06N3/0464 , G06V10/82 , G06V40/16
Abstract: 本发明涉及汽车安全驾驶技术领域，特别是涉及基于轻量级神经网络图像增强的驾驶疲劳检测方法与系统，方法包括：实时采集驾驶舱内驾驶人的动态图像，对动态图像进行增强处理；通过轻量化快速人脸检测器捕捉增强处理后的动态图像中驾驶人的人脸图像流；将人脸图像流输入预设的人脸关键特征点提取网络模型中，提取人脸图像流的每一帧图像的人脸关键特征点，其中，人脸关键特征点提取网络模型通过构建并训练重参数化轻量级卷积网络获得；基于人脸关键特征点判断驾驶人是否存在面部疲劳特征，在检测出存在面部疲劳特征时确定驾驶人存在疲劳驾驶。本发明能够实时、高效、低功耗、安全地处理数据图像数据并分析，及时对驾驶人的状态进行预警。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.033 seconds)
