-
公开(公告)号：CN115424330B
公开(公告)日：2023-08-11
申请号：CN202211129848.5
申请日：2022-09-16
Applicant: 郑州轻工业大学
IPC: G06V40/16 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于DFMN和DSD的单模态人脸活体检测方法，用于解决传统方法无法精准识别出人脸活体与非活体之间差异的问题；其步骤为：首先，对接收到的人脸可见光图像进行预处理操作，提取可见光图像的特征，并根据可见光图像特征划分正、负样本空间；其次，构建DFMN网络结构，基于正、负样本空间构建DSD联合优化框架对DFMN进行网络模型训练，得到DFMN模型；最后，将待识别的可见光人脸图像输入DFMN模型中，输出人脸活体检测结果。本发明通过深度卷积神经网络DFMN和DSD方法的结合，学习了真假面部中的重要线索，能够有效地消除可将光人脸图像中面部特征的干扰，提升了可见光模态下人脸活体检测的准确率。
-
公开(公告)号：CN115190049A
公开(公告)日：2022-10-14
申请号：CN202210803255.6
申请日：2022-07-07
Applicant: 郑州轻工业大学
IPC: H04L43/0876 , H04L41/147 , H04L41/16
Abstract: 本发明涉及一种基于DDPG神经网络的网络流量预测方法，构建DDPG神经网络，获取当前时间片对应的时间片集合的网络流量数据，当前时间片对应的时间片集合包括当前时间片以及当前时间片之前的预设个数的时间片，网络流量数据包括预测使用数据和真实值数据，根据当前时间片对应的时间片集合的网络流量数据，训练DDPG神经网络，最后根据训练完成的DDPG神经网络进行网络流量预测。本发明提供的基于DDPG神经网络的网络流量预测方法能够减少因实际流量较高导致的被动迁移频次，在已知减少被动迁移权重和节能权重时，最大限度提高网络整体效果，即降低被动迁移次数和能耗。
-
公开(公告)号：CN113806609B
公开(公告)日：2022-07-12
申请号：CN202111128257.1
申请日：2021-09-26
Applicant: 郑州轻工业大学
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/33 , G06F16/35 , G06F16/65 , G06F16/68 , G06F16/75 , G06F16/783
Abstract: 本发明提出了一种基于MIT和FSM的多模态情感分析方法，用以解决现有多模态情感分析方法在融合多模态信息时的技术性问题；其步骤为：首先，分别对文本模态数据、语音模态数据和视频模态数据进行预处理，提取文本特征向量、语音特征向量和视频特征向量；其次，将三个特征向量依次进行组合后分别输入Multimodal Interactive Transformer中进行辅助学习，分别得到三个学习后的特征矩阵；最后，将三个学习后的特征矩阵输入Feature Soft Mapping中映射到统一的语义空间中进行融合，得到融合特征；并将融合特征输入分类层，获取情感预测结果。本发明所提出的多模态情感分析模型能够充分考虑多种模态信息之间的关联，有助于在数据融合后进行情感分类。
-
公开(公告)号：CN111179190B
公开(公告)日：2020-12-08
申请号：CN201911295958.7
申请日：2019-12-16
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于Criminisi的图像复原方法，包括以下步骤：步骤1：读取待修复图像I并确认待修复区域Ω；步骤2：在待修复区域边缘选取一个优先权最高的点p，以p为中点构造当前需要修复的块Ψp，其中待修复区域边缘为待修复区域与已知区域的临界；步骤3：在源区域φ中搜索最佳匹配块Ψq，将Ψq的像素信息复制到Ψp，其中源区域φ为待修复图像的已知区域，φ＝I‑Ω；步骤4：更新待修复区域的边缘，直至Ω为0时完成图像复原。综上所述，本发明具有实用性强、复原效果明显的特点，可用于医学影像、公安案件侦破、影视制作、航拍图像、文物保护等领域。
-
公开(公告)号：CN116469162A
公开(公告)日：2023-07-21
申请号：CN202310315001.4
申请日：2023-03-28
IPC: G06V40/20 , G06V20/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种基于多元时序特征、空间融合的行为识别方法，通过熵信息流来提取时序特征，建立人体行为时序特征的表达方法和数据来源。建立人体行为空间特征的表达方法和数据来源，建立视频帧的前景模板和背景模板，从而将目标从图像中分离出来，便于后续步骤中基于时序的特征修正。最终在复杂场景下，建立多元时序特征、空间特征融合模型，准确识别复杂场景下人体行为。
-
Patent Agency Ranking
公开(公告)号：CN113806609A
公开(公告)日：2021-12-17
申请号：CN202111128257.1
申请日：2021-09-26
Applicant: 郑州轻工业大学
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/33 , G06F16/35 , G06F16/65 , G06F16/68 , G06F16/75 , G06F16/783
Abstract: 本发明提出了一种基于MIT和FSM的多模态情感分析方法，用以解决现有多模态情感分析方法在融合多模态信息时的技术性问题；其步骤为：首先，分别对文本模态数据、语音模态数据和视频模态数据进行预处理，提取文本特征向量、语音特征向量和视频特征向量；其次，将三个特征向量依次进行组合后分别输入Multimodal Interactive Transformer中进行辅助学习，分别得到三个学习后的特征矩阵；最后，将三个学习后的特征矩阵输入Feature Soft Mapping中映射到统一的语义空间中进行融合，得到融合特征；并将融合特征输入分类层，获取情感预测结果。本发明所提出的多模态情感分析模型能够充分考虑多种模态信息之间的关联，有助于在数据融合后进行情感分类。
-
公开(公告)号：CN111179190A
公开(公告)日：2020-05-19
申请号：CN201911295958.7
申请日：2019-12-16
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于Criminisi的图像复原方法，包括以下步骤：步骤1：读取待修复图像I并确认待修复区域Ω；步骤2：在待修复区域边缘 选取一个优先权最高的点p，以p为中点构造当前需要修复的块Ψp，其中待修复区域边缘 为待修复区域与已知区域的临界；步骤3：在源区域φ中搜索最佳匹配块Ψq，将Ψq的像素信息复制到Ψp，其中源区域φ为待修复图像的已知区域，φ＝I-Ω；步骤4：更新待修复区域的边缘 ，直至Ω为0时完成图像复原。综上所述，本发明具有实用性强、复原效果明显的特点，可用于医学影像、公安案件侦破、影视制作、航拍图像、文物保护等领域。
-
公开(公告)号：CN116958876A
公开(公告)日：2023-10-27
申请号：CN202310940861.7
申请日：2023-07-28
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/774 , G06V10/46 , G06V10/52 , G06V10/80 , G06V10/762 , G06T7/80
Abstract: 本发明公开了一种基于多光谱双目立体视觉的视频异常行为检测方法和系统，该方法包括基于空间坐标变换关系和图像配准模型，在多光谱平台下对双目视频进行视觉标定，根据标定结果实现图像背景建模，分割前景目标；针对分割后的目标，通过建立目标表观纹理模型、运动显著性模型和深度显著性模型来确定目标在全局和局部时空域中的各个光谱维显著性特征；将所有显著性特征在不同尺度下组成多尺度多模态特征融合模型，通过融合模型检测目标的异常行为。本发明提高了目标异常检测效率和检测准确性。
-
公开(公告)号：CN115190049B
公开(公告)日：2023-04-25
申请号：CN202210803255.6
申请日：2022-07-07
Applicant: 郑州轻工业大学
IPC: H04L43/0876 , H04L41/147 , H04L41/16
Abstract: 本发明涉及一种基于DDPG神经网络的网络流量预测方法，构建DDPG神经网络，获取当前时间片对应的时间片集合的网络流量数据，当前时间片对应的时间片集合包括当前时间片以及当前时间片之前的预设个数的时间片，网络流量数据包括预测使用数据和真实值数据，根据当前时间片对应的时间片集合的网络流量数据，训练DDPG神经网络，最后根据训练完成的DDPG神经网络进行网络流量预测。本发明提供的基于DDPG神经网络的网络流量预测方法能够减少因实际流量较高导致的被动迁移频次，在已知减少被动迁移权重和节能权重时，最大限度提高网络整体效果，即降低被动迁移次数和能耗。
-
公开(公告)号：CN119205915A
公开(公告)日：2024-12-27
申请号：CN202411262172.6
申请日：2024-09-09
Applicant: 郑州轻工业大学
IPC: G06T7/73 , G06V40/20 , G06V20/40 , G06V10/762 , G06V10/766 , G06V10/44 , G06V10/62 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明提供了一种三维人体姿态估计方法，其包括：获取人体姿态估计数据集，并对所述数据集进行预处理；通过二维姿态检测器从所述数据集中获得连续的二维姿态序列，并将所述连续的二维姿态序列输入到STGFormer，获得连续帧的三维姿态。本发明本申请实施例提出了STGFormer架构，该架构采用独特的“先修剪后恢复”策略，即在处理过程中仅选取部分关键姿态令牌作为STGFormer块的输入，而在最终输出前恢复全长序列，从而显著提升了计算效率并减少了不必要的计算开销。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.027 seconds)
