-
公开(公告)号：CN108920720A
公开(公告)日：2018-11-30
申请号：CN201810852700.1
申请日：2018-07-30
Applicant: 电子科技大学
Abstract: 本发明公开了基于深度哈希和GPU加速的大规模图像检索方法，该方法基于图片对的哈希方法，采用多任务深度学习机制，将分类损失函数与对比损失函数相结合，量化过程中，在保留图片对之间的相似性的同时，尽可能地保留图片本身的语义信息，分类任务与量化任务互相指导学习；同时，采用局部连接模块取代量化网络的全连接层，减少特征之间的冗余信息。设计并实现了更深层次的网络，深层次网络通常能够得到良好的特征表达。在汉明排序的基础上，实现了基于GPU的多层次并行检索方法。本发明不仅提高了检索精度，且能够在百万规模的图像库中完成单张检索延时0.8ms的效果。
-
公开(公告)号：CN107085607B
公开(公告)日：2020-06-30
申请号：CN201710258205.3
申请日：2017-04-19
Applicant: 电子科技大学
IPC: G06F16/583 , G06F16/55 , G06F16/51 , G06K9/62
Abstract: 本发明公开了一种图像特征点匹配方法，包括以下步骤，入库图片特征点提取：提取入库图像的特征并构成入库特征向量，对其维度进行降维；向量入库：分割降维后的入库特征向量，并对分割后的每部分先做乘积量化再做向量量化，构成乘积量化器、向量量化器，并建立检索树和哈希表；待匹配图片特征点提取：提取待匹配图像的特征并构成待匹配特征向量，对其维度进行降维；向量匹配：分割降维后的待匹配特征向量，找出待匹配特征向量与乘积量化器、向量量化器的聚类中心距离靠前的多个聚类中心，根据检索树和哈希表找到多个聚类中心所对应的图片并构成候选集，采用浮点向量计算候选集中与待匹配特征向量的距离最近的图片；其速度快且精度高。
-
公开(公告)号：CN107016370B
公开(公告)日：2019-10-11
申请号：CN201710227787.9
申请日：2017-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于数据增强的部分遮挡人脸识别方法，运用了人工智能的深度卷积神经网络，多次进行人脸对齐，五官检测，人脸特征提取，人脸匹配；通过数据增强的原理，通过对标准人脸的遮挡物进行遮挡种类预判断，对遮挡人脸的身份预判断对标准人脸的遮挡物进行遮挡种类预判断，整合两次预判断结果进行数据增强，以标准人脸为基础，重构遮挡人脸库，最后通过原始遮挡人脸与重构遮挡人脸库进行匹配。该技术解决了现有的遮挡人脸识别方法存在因遮挡导致特征信息丢失，人脸识别难度增大，识别准确率降低的技术难题，实现了提高遮挡人脸识别精度和效率的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN105095520B
公开(公告)日：2018-07-27
申请号：CN201510611902.3
申请日：2015-09-23
Applicant: 电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了面向结构化数据的分布式内存数据库索引方法,述方法包括:接收数据库操作请求;根据所述数据操作请求,在数据库中对待操作关键值进行索引操作,所述索引包括:分布式索引和底层单机索引;其中,所述分布式索引包括:数据分布索引和行分布索引;所述数据分布索引负责数据和行表的跨机定位;所述底层单机索引为细粒度的数据级索引;所述单机索引包括:列式压缩索引和行表;所述列式压缩索引由三个向量组成:字典、频数向量、行号索引,所述行表负责维护各个记录项的行号到其所在字典下标的映射,实现了能够高效的存储索引,能够利用索引快速查询数据,对索引进行压缩处理,降低了内存需求的技术效果。
-
公开(公告)号：CN107085607A
公开(公告)日：2017-08-22
申请号：CN201710258205.3
申请日：2017-04-19
Applicant: 电子科技大学
Abstract: 本发明公开了一种图像特征点匹配方法，包括以下步骤，入库图片特征点提取：提取入库图像的特征并构成入库特征向量，对其维度进行降维；向量入库：分割降维后的入库特征向量，并对分割后的每部分先做乘积量化再做向量量化，构成乘积量化器、向量量化器，并建立检索树和哈希表；待匹配图片特征点提取：提取待匹配图像的特征并构成待匹配特征向量，对其维度进行降维；向量匹配：分割降维后的待匹配特征向量，找出待匹配特征向量与乘积量化器、向量量化器的聚类中心距离靠前的多个聚类中心，根据检索树和哈希表找到多个聚类中心所对应的图片并构成候选集，采用浮点向量计算候选集中与待匹配特征向量的距离最近的图片；其速度快且精度高。
-
公开(公告)号：CN107016370A
公开(公告)日：2017-08-04
申请号：CN201710227787.9
申请日：2017-04-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于数据增强的部分遮挡人脸识别方法，运用了人工智能的深度卷积神经网络，多次进行人脸对齐，五官检测，人脸特征提取，人脸匹配；通过数据增强的原理，通过对标准人脸的遮挡物进行遮挡种类预判断，对遮挡人脸的身份预判断对标准人脸的遮挡物进行遮挡种类预判断，整合两次预判断结果进行数据增强，以标准人脸为基础，重构遮挡人脸库，最后通过原始遮挡人脸与重构遮挡人脸库进行匹配。该技术解决了现有的遮挡人脸识别方法存在因遮挡导致特征信息丢失，人脸识别难度增大，识别准确率降低的技术难题，实现了提高遮挡人脸识别精度和效率的技术效果。
-
公开(公告)号：CN108920720B
公开(公告)日：2021-09-07
申请号：CN201810852700.1
申请日：2018-07-30
Applicant: 电子科技大学
IPC: G06F16/583 , G06N3/04 , G06F9/48
Abstract: 本发明公开了基于深度哈希和GPU加速的大规模图像检索方法，该方法基于图片对的哈希方法，采用多任务深度学习机制，将分类损失函数与对比损失函数相结合，量化过程中，在保留图片对之间的相似性的同时，尽可能地保留图片本身的语义信息，分类任务与量化任务互相指导学习；同时，采用局部连接模块取代量化网络的全连接层，减少特征之间的冗余信息。设计并实现了更深层次的网络，深层次网络通常能够得到良好的特征表达。在汉明排序的基础上，实现了基于GPU的多层次并行检索方法。本发明不仅提高了检索精度，且能够在百万规模的图像库中完成单张检索延时0.8ms的效果。
-
公开(公告)号：CN105095520A
公开(公告)日：2015-11-25
申请号：CN201510611902.3
申请日：2015-09-23
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06F17/30321 , G06F17/30545
Abstract: 本发明公开了面向结构化数据的分布式内存数据库索引方法，述方法包括：接收数据库操作请求；根据所述数据操作请求，在数据库中对待操作关键值进行索引操作，所述索引包括：分布式索引和底层单机索引；其中，所述分布式索引包括：数据分布索引和行分布索引；所述数据分布索引负责数据和行表的跨机定位；所述底层单机索引为细粒度的数据级索引；所述单机索引包括：列式压缩索引和行表；所述列式压缩索引由三个向量组成：字典、频数向量、行号索引，所述行表负责维护各个记录项的行号到其所在字典下标的映射，实现了能够高效的存储索引，能够利用索引快速查询数据，对索引进行压缩处理，降低了内存需求的技术效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
