本发明属于深度学习技术领域，尤其涉及一种基于深度学习的行人检测与重识别方法、系统及终端，包括以下步骤：S1，数据预处理：对行人图像按照ID进行排列划分为训练集和测试集，集合之间的图像互不重复；S2，构建行人重识别模型：使用深度学习框架PyTorch搭建L2GNet模型，该模型总共由17个卷积层组成，每个卷积使用ReLU作为激活函数；S3，模型训练：在训练集上训练L2GNet，根据反向传播原理迭代更新该网络的参数；S4，将测试集数据输入训练好的模型进行检测与重识别任务，计算行人重识别性能指标并保存查询到的行人图像。本发明通过搭建一个行人检测与重识别模型，训练完成之后的模型，可以用于行人检测与重识别任务。
📄 2023110938366
📂 G06V40_10
👤 浙江师范大学
📅 2023-08-28
本发明涉及图像分析技术领域，具体为基于深度学习的遥感图像目标检测方法、系统和设备，为解决现有技术中遥感图像目标检测结果准确度低的问题，本发明首先将待检遥感图像的不同深度特征进行低级语义信息聚合处理后再进行交叉的低级语义注入处理，接着经高级语义信息聚合处理后进行交叉的高级语义注入处理，得到低级目标聚合特征、中级目标聚合特征和高级目标聚合特征；随后将低级目标聚合特征、中级目标聚合特征和高级目标聚合特征经线性映射和全连接处理，将小目标从背景中分离出来，最后经边界框回归、边界框分类识别和非极大值抑制处理，得到准确度高的目标检测结果。
📄 2024118229767
📂 G06V10_764
👤 烟台大学
📅 2024-12-12
本发明公开了一种基于深度学习的面向差异化背景网格的曲线提取方法。包括拍摄带有网格线的纸质报告图像，定位图像中的曲线信号区域，将其转换为二值化图像后使用DeepLabV3+模型进行图像分割，分离曲线信号、背景网格和其他部分。然后对曲线信号中存在的断点进行分析，判断断点的类型，并根据不同的断点采用不同的方式进行修复，直到得到完整的曲线信号。再对其进行骨架化操作，完成曲线提取。本方法不受背景网格形式的影响，对任意颜色或形态的背景网格均能成功实现曲线信号的完整提取，并且对采集图像的质量没有要求，即使存在镜头畸变或角度倾斜，依然能够成功提取曲线信号。
📄 2022103153499
📂 G06T7_62
👤 杭州电子科技大学
📅 2022-03-28
本发明涉及水下成像技术领域，特别是涉及一种基于深度学习图像超分辨率重建的水下多光谱鬼成像系统，包括：光调制模块、多光谱光强数据采集模块、控制及图像重建模块，控制及图像重建模块分别与光调制模块、多光谱光强数据采集模块连接，控制及图像重建模块控制光调制模块调制照明光束后投射到目标物上，调制后的照明光束经目标物反射后被多光谱光强数据采集模块接收，多光谱光强数据采集模块将接收的反射光束发送到控制及图像重建模块，在控制及图像重建模块中经预训练的深度神经网络进行图像重建，输出超分辨率图像。本发明结合深度学习图像超分辨率重建算法提供水下多光谱鬼成像系统，提高了成像质量和分辨率。
📄 2025103795441
📂 G06T3_4053
👤 广东工业大学
📅 2025-03-28
本发明涉及数据处理技术领域，具体地说，涉及一种基于深度学习的远程桌面会议系统及方法。包括数据传输单元、用户验证单元、会议管理单元、会议记录单元以及加密保护单元；数据传输单元用于对数据传输进行压缩，并对压缩的数据进行增强；用户验证单元用于采集会议用户数据，并为用户分配对应的会议管理权限；本发明通过深度学习算法对网络传输进行优化，能够减少数据传输量，提高传输速度，并降低通信延迟，通过深度学习图像处理算法对远程桌面画面进行增强和优化，提高图像的清晰度和细节还原能力，可以使参与者获得更清晰、更真实的远程桌面画面，通过深度学习算法实时记录会议内容，并对会议内容进行分析和摘要。
📄 2023109265558
📂 H04N7_15
👤 深圳市乗名科技有限公司
📅 2023-07-27
基于深度学习的端到端全局和局部运动估计方法属于图像处理领域。从原始视频中估计全局和局部运动是很有必要的。现有的全局和局部运动估计方法都不能以端到端的形式同时对视频帧中的两种运动进行估计。本发明提出了一种分别进行全局和局部运动估计的三模块运动估计网络，提出了基于特征维度变换和全局运动基的全局运动估计器，来约束全局运动估计模块关注全局低秩信息，并排除非全局信息的干扰。利用混合重构损失、全局重构损失和局部重构损失三个损失函数对网络进行无监督深度学习。在单应性估计数据集DHE和行为识别数据集NCAA上验证了本发明的有效性。实验结果表明，本发明具有比以往的方法更好的性能。
📄 2023100292850
📂 G06T7_269
👤 北京工业大学
📅 2023-01-09
本发明公开了一种基于辅助信息的多特征增强深度学习衣物分类方法，包括确定需分类衣物和用户信息；基于卷积神经网络构建Mu‑Cloth Net模型；训练Mu‑Cloth Net模型，保存最优权重，确定Mu‑Cloth Net模型；将实际的衣物图像和用户信息输入Mu‑Cloth Net模型，对衣物进行分类。本方案通过融入辅助信息，大大提高了分类效率并提高了分类的准确性，减少了衣物本身变形对识别结果的有害影响。并且本方案分别对两个信息进行卷积，提取出不同尺度的特征，在最高阶融合，从而使网络能够更有效的利用辅助信息建立起有效的约束。
📄 2022109133253
📂 G06V10_764
👤 南京工业职业技术大学
📅 2022-07-29
本发明公开了基于递归神经网络建模的无监督人群异常监测及定位方法，该方法利用监控视频的时间序列特性与递归神经网络长时间依赖性相结合，并在对视频场景进行网格划分后，针对每个网格进行单独建模，选择性的利用光流统计特征对正常情况下人群序列动态进行无监督的学习，并采用Hessian‑Free Optimization方法对模型进行训练，最后将含有异常的数据载入模型，通过衡量t+1时刻与t时刻光流统计直方图之间的距离，对t+1时刻的人群场景进行监测和定位。该方法实现了时间和空间上的全局建模，很好的保留了各时刻人群动态序列特征之间的联系，且简化了模型的复杂度，降低了RNN训练难度，对异常事件的监测和定位有着较好的实时性和准确性。
📄 2016103221293
📂 G06K9_00
👤 广东工业大学
📅 2016-05-16
本发明公开了一种基于改进YOLOv8s的水下垃圾识别方法，主要包括以下步骤：（1）建立水下垃圾数据集；（2）为数据集中的图像添加标注信息；（3）构建基于改进YOLOv8s的水下垃圾识别模型；（4）采用训练集和验证集对模型进行训练，并将训练好的模型保存为最优模型；（5）采用测试集对最优模型进行测试，测试结果满足精度要求，即获得最终的基于改进YOLOv8s的水下垃圾识别模型。相较于现有技术，本发明公开的一种基于改进YOLOv8s的水下垃圾识别方法，有效降低了水下垃圾识别的误检率和漏检率。
📄 2026101064732
📂 G06V10_764
👤 东北电力大学
📅 2026-01-27
本发明公开了一种基于深度学习的仓储温湿度智能调控方法及系统，涉及人工智能领域，包括：首先将当前温湿时序数据及关联设备运行日志输入含特征提取模块与策略生成模块的目标温湿调控模型；通过特征提取模块对温湿时序数据、设备运行日志编码并整合为融合环境特征集；获取调控策略特征集后，由策略生成模块对融合特征与策略特征执行门控循环处理，输出表征适配关系的门控循环数据集；基于该数据集输出适配概率，筛选目标调控策略。本发明通过深度学习实现温湿动态与调控策略的精准匹配，提升仓储温湿度调控的时效性与能效比，保障货物存储环境稳定性。
📄 2025107914219
📂 G05D27_02
👤 中泰智云(北京)科技有限公司
📅 2025-06-13
本发明公开了一种基于CNN‑GRU的移动应用识别方法，获取移动应用数据集，对数据集进行预处理操作，构建检测模型，检测模型包括卷积神经网络模型CNN、门控循环单元GRU，卷积神经网络模型CNN用于空间的特征，门控循环单元GRU用于时序特征的提取，最后通过softmax输出检测结果，对检测模型进行训练，本发明简化了人工提取特征等操作，不需要极强的先验知识，对移动应用识别具有良好的准确率。
📄 2022103927574
📂 G06V20_00
👤 南京邮电大学
📅 2022-04-14
本发明公开了一种基于轻量级深度学习网络的手写字母识别方法，采用信号处理技术处理信道状态信息幅值数据，采用线性变化方法校正相位数据，然后使用一种结合滑动窗口的短时能量算法截取幅值和相位信号上有效的动作区间，建立联合幅值和相位信号的手写字母数据集。搭建MobileNet_V2深度学习网络，将手写字母数据集输入到经过迁移学习的MobileNet_V2深度学习网络模型中进行训练，获得训练好的手写字母手势分类模型。该手势分类模型可以布置在嵌入式设备上进行分类任务。本发明具有准确率高，训练时间短，设备性能要求低等优点。
📄 2021113827474
📂 G06V30_32
👤 南京邮电大学
📅 2021-11-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台