-
公开(公告)号:CN113962246B
公开(公告)日:2024-04-09
申请号:CN202111093663.9
申请日:2021-09-17
Applicant: 华南理工大学
IPC: G06V20/00 , G06V10/141 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/044 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种融合双模态特征的目标检测方法、系统、计算机设备及存储介质,所述方法包括:获取训练数据集;训练数据集包括双模态图像和注释文件,双模态图像包括可见光图像和红外图像;将可见光图像输入目标检测模型中的光照感知权重生成网络,输出两种模态特征的融合权重;将双模态图像和两种模态特征的融合权重输入目标检测模型中的具有特征循环融合机制的主路网络,输出预测结果;利用两种模态特征的融合权重和预测结果以及注释文件训练目标检测模型,将待测双模态图像输入训练好的目标检测模型,得到待测双模态图像中目标的位置和类别的预测结果。本发明通过构建目标检测模型,改善了模型对环境光照变化的适应能力,提高了检测精度。
-
公开(公告)号:CN114998667A
公开(公告)日:2022-09-02
申请号:CN202210497054.8
申请日:2022-05-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种多光谱目标检测方法、系统、计算机设备及存储介质,该方法包括:将获取的多光谱图像数据划分为训练集和验证集;构建的多光谱目标检测模型采用目标检测网络Yolov5作为基础架构,Backbone部分包括具有增强特征交互作用的双流特征提取网络和整合互补信息作用的自注意力特征融合模块;利用训练集训练多光谱目标检测模型,并利用验证集评估模型性能,获取最佳模型权重参数;将待测多光谱图像输入最佳模型权重参数的多光谱目标检测模型,得到待测图像中目标的坐标、类别和置信度等预测结果。本发明提供的方法通过构建多光谱目标检测模型,增强了网络对环境光照变化的鲁棒性,从而提高了模型在不良光照条件下的检测精度。
-
公开(公告)号:CN112580011B
公开(公告)日:2022-05-24
申请号:CN202011564745.2
申请日:2020-12-25
Applicant: 华南理工大学
IPC: G06F21/32 , G06K9/00 , G06K9/62 , H04L9/00 , H04L9/08 , H04L9/40 , H04N1/44 , G06N3/04 , G06N3/08
Abstract: 本发明属于数字图像处理技术领域,涉及一种面向生物特征隐私保护的人像加解密系统,包括:人像数据采集系统、人像特征提取系统、基于数据传输能力的网络传输能力判断系统、基于编码解码框架与身份特征的人像图像加解密系统、基于混沌系统的人像特征向量加解密系统。基于数据传输能力的网络传输能力判断系统主要依据传输网络的宽带传输能力和前端一体机所连接服务器类型的不同,选择基于编码解码框架与身份特征的人像图像加解密系统或基于混沌系统的人像特征向量加解密系统。本发明通过二种加密系统的协同配合,实现了人像生物特征的实时加密,减少数据泄露的可能性,同时在服务器端对加密数据进行解码,进而保证人像识别的准确性。
-
公开(公告)号:CN107545729A
公开(公告)日:2018-01-05
申请号:CN201710742733.6
申请日:2017-08-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于数据驱动的交通路网分布式区域控制方法,包括交通数据滤波、交通路网车道饱和度建模和信号灯配时分布式区域控制;根据预测模型进行滚动优化,设定一系列未来的控制信号U(k),在给定约束下,求得最优解决方案U*(k),并将其作为控制对象的输入;进一步利用纳什优化方法解决多个子系统的关联问题,获得最优信号周期时长 本发明利用数据驱动方法研究车道饱和度预测模型,提出基于分布式预测控制的交通信号灯区域配时优化,为避免或缓解交通拥堵提供一套高效控制方法。
-
公开(公告)号:CN115082386A
公开(公告)日:2022-09-20
申请号:CN202210632336.4
申请日:2022-06-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于正常样本辅助特征提取的注塑件瑕疵检测方法、装置、计算机设备和存储介质,该方法包括:获取训练数据集,构建网络模型;利用网络模型对训练数据集中有瑕疵图像和无瑕疵图像进行特征提取,得到瑕疵样本特征和正常样本特征;进而对两者进行特征融合,得到不同尺度的融合特征图;然后对融合特征图进行处理,生成瑕疵候选框;最后对瑕疵候选框进行瑕疵特征识别,得到预测结果;根据预测结果和训练数据集中人工标注的瑕疵信息,训练网络模型;将待测的注塑件图像输入训练好的网络模型,完成瑕疵的检测与分类。本发明能够提取注塑件图像中精确的瑕疵区域特征,获得准确的瑕疵类型识别与目标位置,为注塑机制备工艺提供指导性意见。
-
公开(公告)号:CN113962246A
公开(公告)日:2022-01-21
申请号:CN202111093663.9
申请日:2021-09-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种融合双模态特征的目标检测方法、系统、计算机设备及存储介质,所述方法包括:获取训练数据集;训练数据集包括双模态图像和注释文件,双模态图像包括可见光图像和红外图像;将可见光图像输入目标检测模型中的光照感知权重生成网络,输出两种模态特征的融合权重;将双模态图像和两种模态特征的融合权重输入目标检测模型中的具有特征循环融合机制的主路网络,输出预测结果;利用两种模态特征的融合权重和预测结果以及注释文件训练目标检测模型,将待测双模态图像输入训练好的目标检测模型,得到待测双模态图像中目标的位置和类别的预测结果。本发明通过构建目标检测模型,改善了模型对环境光照变化的适应能力,提高了检测精度。
-
公开(公告)号:CN111723395A
公开(公告)日:2020-09-29
申请号:CN202010391145.4
申请日:2020-05-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种人像生物特征隐私保护与解密方法,包括:人像加密与密钥生成网络模型的构建与训练,根据人脸数据库标注信息,提取人像及其对应的身份信息,作为网络模型的输入,并利用所构建数据对所设计的网络进行训练,最终获得网络模型权重;实际人像加密与密匙存储,利用网络模型对实际采集的人像进行加密与密钥生成,并对加密人像与密钥分离存储;加密人像解密,云端服务器根据用户端的解密需求,协同处理用户的解密任务。本发明将深度学习网络技术应用到人像加密,用于生成具有相似视觉效果的加密人像;将加密人像与密钥分开存储,并利用云端协同处理方式,协助用户进行人像解码,能够降低信息泄露的可能性,实现用户快速解密。
-
公开(公告)号:CN110555931A
公开(公告)日:2019-12-10
申请号:CN201910820041.8
申请日:2019-08-31
Applicant: 华南理工大学
Abstract: 本发明属于模式识别与深度学习技术领域,公开了一种基于深度学习识别的人脸检测与门禁系统装置,包括图像采集设备、前端图像处理服务器、后端数据服务器、身份认证主机、电力驱动器、执行机构;所述身份认证主机中包含主板以及主板上外接的显示模块、键盘模块、二维码模块和语音模块。本发明使用双目深度摄像机,热成像摄像机,结合人脸防伪/活体检测算法,进一步提高了利用人脸信息进行身份认证的快速性和准确率,有效避免和减少了因为人员身份错判、误判带来的不必要损失;通过后端数据服务器建立系统工作环境中的人员信息数据库,易于数据维护和更新,更便于通过工作日志和匹配记录信息进行工作环境人员信息分析。
-
公开(公告)号:CN109903373A
公开(公告)日:2019-06-18
申请号:CN201910121232.5
申请日:2019-02-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多尺度残差网络的高质量人脸生成方法,过程如下:数据集设计步骤,整合当前主流的人脸数据集,通过软件生成低质量人脸与高质量人脸的数据对;模型设计与训练步骤,对多尺度残差网络的设计以及利用数据对进行模型训练,进而获得网络模型权重;模型预测步骤,针对现实所获取的人脸图像,进行模型处理后,得到预测结果。本发明将深度学习网络技术应用到高质量人脸的生成任务,用来生成具有高分辨、低模糊程度、低噪声的彩色人脸图像;用深度学习网络的方法,能够减少人工绘制的时间与成本,为后续人脸的特征提取与识别打下坚实基础。
-
公开(公告)号:CN107516315A
公开(公告)日:2017-12-26
申请号:CN201710743406.2
申请日:2017-08-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于机器视觉的掘进机出渣监测方法,包括:围岩出渣破碎程度监测步骤、输送带负载监测步骤以及围岩分类监测步骤;出渣破碎程度监测步骤对石渣的最大尺寸、最小尺寸和平均尺寸进行统计,提供当前掘进状况下的破碎围岩能力;输送带负载监测步骤通过检测出渣占整个皮带机的深度来评估当前皮带机的负荷情况;围岩分类监测步骤通过出渣表面特征,判断当前掘进围岩的状况。本发明用机器视觉的方法提高出渣监测的效率、准确率,避免恶劣换环境造成的监测不准确等问题,同时还可以降低人工成本。
-
-
-
-
-
-
-
-
-