公共文化服务平台

联合关键点数据增强和结构先验的遮挡人体姿态估计: 2024年; 人体姿态估计技术在许多领域都有着重要的应用。现有研究主要聚焦于无遮挡情况下的人体关键点精确定位,却忽略了人像采集过程中普遍存在的遮挡问题。针对此问题,提出了一个基于关键点数据增强的人体姿态估计方法。具体地,数据增强策略以训练图像中人体可见关键点为中心,生成特定数量和大小的遮挡区域,模拟人体关键点受遮挡时的场景,提升网络模型对遮挡场景下关键点预测的鲁棒性。为了提高模型对被遮挡关键点与相邻关键点间关联性的感知,进一步设计基于人体结构先验知识的损失函数,根据人体真实结构构建相邻关键点连接关系,约束预测的关键点坐标范围,从而提升被遮挡关键点的坐标精度。在OCHuman测试集和COCO验证集上的预测结果表明,相比于基准网络模型,该方法在不增加网络参数的情况下能够提升遮挡场景中的人体姿态估计性能。; 韩刚涛王昊汪松陈恩庆

基于深度学习的自动驾驶辅助系统性能检测方法及系统: 本发明涉及自动驾驶辅助系统(ADAS)检测技术领域，特别涉及一种基于深度学习的自动驾驶辅助系统性能检测方法及系统，构建个人数据集，采集视频并逐帧提取图像作为数据集输入，使用标注工具对每一帧图像进行标注，形成标注文件；对不...; 韩刚涛申罡丁曙光汪松陈禹睿申庆瑜张大龙

一种基于光场图像自适应聚焦处理的联合检测和测距方法: 本发明属于图像处理技术领域，具体涉及一种基于光场图像自适应聚焦处理的联合检测和测距方法，包括以下步骤：步骤1)，对光场原始数据进行解码、颜色校正等预处理操作以获取光场图像；步骤2)，利用空间域重聚焦技术，改变调焦系数λ以...; 王宁张谷静汪松孙钢灿焦战威屈凌波

一种面向多人姿态估计应用的遮挡数据集构造方法: 本发明公开了一种面向多人姿态估计应用的遮挡数据集构造方法，包括以下步骤：S1，从非遮挡数据集中筛选单人图像，使用人像抠图算法对筛选后的单人图像进行抠图并根据人体框标注信息进行剪裁，同时更新关键点位置信息，剪裁后的单人图像...; 宋春晓汪松韩刚涛陈恩庆郭新李玲玲赵雪专王超梁

一种基于光场深度图像的轨道异物入侵检测方法: 本发明公开了一种基于光场深度图像的轨道异物入侵检测方法，该方法包括如下步骤：利用光场相机拍摄并采集直线轨道的背景图像，通过Lytro Desktop软件得到背景图像的原始RGB图像和深度图像；在背景图像的RGB图像中提取...; 王宁张谷静酒明远汪松孙钢灿焦战威; 文献传递

联合跨阶段信息的轻量化人体姿态估计: 2025年; 人体姿态估计任务在实际应用中往往要求网络模型既有较高的估计精度又能快速高效地实现,因此在模型设计时需要兼顾准确率和实时性,并使模型能在资源有限的边缘设备上部署运行。然而目前轻量化人体姿态估计模型存在随着计算复杂度的降低而精度显著下降的问题,无法兼顾准确率和速度,因而在边缘设备中难以部署。为解决这一问题,采用轻量级主干网络EMO(efficient model),设计一种跨阶段注意力机制,通过借鉴跨阶段特征分布信息引导不同尺度特征对齐,并根据不同阶段特征的权重设计简单有效的多层特征融合方法。引入特征融合监督损失函数,直接优化多尺度特征融合过程,并对特征解码器进行轻量化改进,使模型在速度与精度上达到平衡。在COCO与MPII数据集上的测试结果表明,与基准模型相比,模型在降低复杂度的情况下达到了更优的准确率,并且优于主流轻量化模型。; 陈相龙李松洋陈恩庆郭新汪松

一种MIMO雷达与干扰一体化系统收发器联合设计方法: 本发明公开了一种MIMO雷达与干扰一体化系统收发器联合设计方法，属于雷达信号处理与电子战技术领域。针对现有技术中雷达探测与干扰功能分立导致的频谱资源浪费、设备冗余及电磁兼容性问题，本发明提出一种基于AOFP的联合波形与滤...; 杨婧袁晓娜汪松朱政宇郝万明王宁王法松陈恩庆

一种视觉与深度信息融合的自动跟随机器人: 本发明提供了一种视觉与深度信息融合的自动跟随机器人，包括：数据采集模块、供电及驱动模块、主控模块、通信模块、语音识别模块；数据采集模块，用于采集目标信息；通信模块，用于将目标信息上传至云端，同时接收云端的控制指令，并发送...; 陈恩庆胡天生梁静郭新汪松丁英强吕小永马龙

基于变分自编码器掩蔽重建的骨骼点动作识别方法: 2025年; 掩蔽自编码器(MAE)由于其强大的自监督学习能力被用于不同领域,特别是在数据被遮蔽或可用训练数据较少的任务中获得了较好的效果。但在诸如动作识别等视觉分类任务中,由于自编码器结构中编码器学习特征的能力有限,因此分类效果欠佳。为了实现用少量标注数据对模型进行训练,并提高自编码器在骨骼点动作识别任务上的特征提取能力,提出一种基于变分自编码器(VAE)的时空掩蔽重建模型(SkeletonMVAE)用于骨骼点动作识别。该模型在传统掩蔽重建模型的编码器后引入VAE的隐空间,使得编码器学习到数据的潜在结构和更丰富的信息,并通过参数β调控重建质量,对骨骼点数据进行掩蔽重建的预训练。预训练好的编码器被用作下游分类任务的特征提取器时,其输出的特征表示更紧凑、更具判别能力和鲁棒性,从而有助于提高模型分类精度和泛化能力,提升仅有少量标注数据训练情况下的模型性能。在NTU-60和NTU-120数据集上的实验结果表明了该方法在骨骼点动作识别任务上的有效性。; 王雪婷郭新汪松陈恩庆

基于CNN和Transformer双流融合的人体姿态估计: 2025年; 卷积神经网络(CNN)和Transformer模型在人体姿态估计中有着广泛应用,然而Transformer更注重捕获图像的全局特征,忽视了局部特征对于人体姿态细节的重要性,而CNN则缺乏Transformer的全局建模能力。为了充分利用CNN处理局部信息和Transformer处理全局信息的优势,构建一种CNN-Transformer双流的并行网络架构来聚合丰富的特征信息。由于传统Transformer的输入需要将图片展平为多个patch,不利于提取对位置敏感的人体结构信息,因此将其多头注意力结构进行改进,使模型输入能够保持原始2D特征图的结构;同时提出特征耦合模块融合两个分支不同分辨率下的特征,最大限度地保留局部特征与全局特征;最后引入改进后的坐标注意力模块(coordinate attention),进一步提升网络的特征提取能力。在COCO和MPII数据集上的实验结果表明所提模型相对目前主流模型具有更高的检测精度,从而说明所提模型能够充分捕获并融合人体姿态中的局部和全局特征。; 李鑫张丹郭新汪松陈恩庆; 关键词：卷积神经网络 TRANSFORMER

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

汪松