公开(公告)号：CN114067188A

公开(公告)日：2022-02-18

申请号：CN202111404888.1

申请日：2021-11-24

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  张哲卿 ,  王伟然 ,  顾健 ,  臧旭 ,  魏莱

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/30 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种伪装目标的红外偏振图像融合方法，通过伪彩色融合对伪装目标的红外偏振图像进行特征融合，再通过多特征判别器对抗神经网络，保证生成器生成的图像将目标的偏振特征图像、形状特征等进行高度融合。这种二次融合的方法使伪装目标的偏振特征得以充分的提取并融合，保留并增强目标的偏振信息，使目标识别检测更加精确。

公开(公告)号：CN114067188B

公开(公告)日：2024-07-05

申请号：CN202111404888.1

申请日：2021-11-24

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  张哲卿 ,  王伟然 ,  顾健 ,  臧旭 ,  魏莱

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/30 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种伪装目标的红外偏振图像融合方法，通过伪彩色融合对伪装目标的红外偏振图像进行特征融合，再通过多特征判别器对抗神经网络，保证生成器生成的图像将目标的偏振特征图像、形状特征等进行高度融合。这种二次融合的方法使伪装目标的偏振特征得以充分的提取并融合，保留并增强目标的偏振信息，使目标识别检测更加精确。

公开(公告)号：CN115512414A

公开(公告)日：2022-12-23

申请号：CN202211180570.4

申请日：2022-09-27

Applicant: 江苏科技大学

Inventor： 葛慧林 ,  朱志宇 ,  臧旭 ,  戴跃伟 ,  王彪 ,  刘润邦

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/40 ,  G06V10/82 ,  G06V10/77 ,  G06V10/80 ,  G06N3/04

Abstract: 本发明公开了一种用于人脸识别的流形学习图像特征提取的深度学习方法，步骤如下：通过使用区域建议算法生成建议框，建议框在图片上进行扫描得出局部图片，并将图片传授给下一步；完成高维非线性的流形学习算法的构建；通过定义一个样本点局部邻域密度分布因子，且嵌入到降维算法中；运用该算法将人脸的不同表情特征由高维降至2维或3维，有效地进行人脸识别；通过流形学习算法得到的人脸特征，使用基于自注意机制和投票机制的残差神经网络对图片进行筛选，完成最后的分类。本发明的模型检测速度比传统的检测算法快1‑2倍，能够为用户提供更好的使用体验；本发明通过使用流形学习来进行特征提取，提高了模型人脸识别准确率。

公开(公告)号：CN115512413A

公开(公告)日：2022-12-23

申请号：CN202211180227.X

申请日：2022-09-27

Applicant: 江苏科技大学

Inventor： 葛慧林 ,  朱志宇 ,  臧旭 ,  戴跃伟 ,  王彪 ,  刘润邦

IPC: G06V40/16 ,  G06V40/18 ,  G06V10/24 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种引入流形学习残差模块的YOLOv4人脸识别方法，步骤如下：(1)对训练数据进行预处理；(2)引入流形学习的YOLOv4改进模型；(3)模型训练。本发明中的模型检测速度比传统的检测算法快3‑4倍；能够为用户提供更好的使用体验；本发明所需的图像具备易获取性，利用简单的摄像设备就可以对人脸图像进行采集，采集时不用接触被采集者，绝大多数客户可以接受；通过使用流形学习残差网络结构来进行特征提取，提高了模型人脸识别准确率；同时使用残差神经网络有效缓解了模型训练过程中的梯度消失等问题；采用YOLOv4模型来实现人脸识别，达到了识别速度快、精度高的优异效果。

公开(公告)号：CN113989907A

公开(公告)日：2022-01-28

申请号：CN202111433120.7

申请日：2021-11-29

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  臧旭 ,  葛慧林 ,  王伟然 ,  魏莱 ,  张哲卿

IPC: G06V40/16 ,  G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种基于非对称性特征和黎曼流形结构的人脸识别方法，所述方法根据黎曼流形学习中对称正定矩阵的计算与分析，降低人脸数据的维度，挖掘人脸图像的内在关系和逻辑结构，通过对人脸图像特征的流形表示，由对称正定矩阵的黎曼流形网络结构可以生成更加紧凑和更具有判别性的对称正定矩阵，从而提高人脸识别的准确率和速率，使得人脸图像的内在关系和逻辑结构得以挖掘。

公开(公告)号：CN113989907B

公开(公告)日：2024-11-26

申请号：CN202111433120.7

申请日：2021-11-29

Applicant: 江苏科技大学

Inventor： 朱志宇 ,  臧旭 ,  葛慧林 ,  王伟然 ,  魏莱 ,  张哲卿

IPC: G06V40/16 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/09 ,  G06F17/16

Abstract: 本发明公开了一种基于非对称性特征和黎曼流形结构的人脸识别方法，所述方法根据黎曼流形学习中对称正定矩阵的计算与分析，降低人脸数据的维度，挖掘人脸图像的内在关系和逻辑结构，通过对人脸图像特征的流形表示，由对称正定矩阵的黎曼流形网络结构可以生成更加紧凑和更具有判别性的对称正定矩阵，从而提高人脸识别的准确率和速率，使得人脸图像的内在关系和逻辑结构得以挖掘。