本发明涉及一种可自动筛选照片的景区自动拍照系统及景区自动拍照方法，确定预设拍摄区域后相机以预设频率拍摄照片，游客在选定匹配人脸特征的指定拍摄区域内面对相机拍摄照片，生成人脸照片管理库；游客上传自拍照片，自拍照片与人脸照片管理库中的照片人脸匹配，筛选出符合预设条件的照片，对应初始拍摄区域照片、初始光照照片、初始姿态照片计算位置匹配度、光照匹配度、姿态匹配度，以综合筛选参数筛选照片，处理后供游客筛选、获取。本发明通过对景区内游客自动拍照，并通过表情、位置、光照等信息的融合，实现自动筛选出游客满意度较高的照片的目的，便于游客在景区内拍照留念，更增加游客在景区内的游览体验，有利于景区的良性运作。
📄 2020111968524
📂 G06F16_583
👤 浙江工业大学
📅 2020-10-31
本发明公开了一种基于图结构匹配的图像检索方法，将查询图像的图结构输入到训练好的图神经网络，获取查询图像的节点特征以及节点之间相对和绝对位置，所述图神经网络包括特征提取模块、相对位置预测头和绝对位置预测头，特征提取模块用于提取图结构的节点特征，相对位置预测头和绝对位置预测头分别用于预测节点之间相对和绝对位置，通过计算分类损失和辅助损失，完成网络的训练。本发明提高了网络的训练效果，较大程度提高了图像检索的性能。
📄 2022114774905
📂 G06F16_583
👤 浙江工业大学
📅 2022-11-23
本发明涉及基于较优视图和深度卷积神经网络的三维模型检索方法，本发明首先从多个视点提取三维模型的视图，并按照灰度熵的排序选取较优视图。其次通过深度卷积神经网络对视图集进行训练，从而提取视图的深度特征并进行降维。同时，对输入的自然图像提取边缘轮廓图，经过相似度匹配返回一组三维模型。最后，基于目标模型所属类别占检索结果比例对结果列表进行微调重排，返回最终的检索结果以实现三维模型检索，此方法有效选取了较优视图，降低了视图冗余，并使用深度特征对视图进行更高层的表达，有效提高了检索效果。
📄 2017111786045
📂 G06F16_583
👤 浙江工业大学
📅 2017-11-23
一种基于条件生成对抗网络的图像描述生成方法，包括以下步骤：步骤一、网络构建，该条件生成对抗网络框架由一个生成模型和一个判别模型两部分组成，生成模型和判别模型结构类似，但是参数独立训练更新；步骤二、数据集预处理；步骤三、网络训练，过程如下：步骤3.1：用随机权值初始化生成模型和判别模型参数；步骤3.2：训练生成模型；步骤3.3：训练判别模型；步骤3.4：用RMSprop下降算法最小化损失函数；步骤四、精度测试，经过上述步骤的操作，即可实现对测试图片的描述生成。本发明提供一种鲁棒性较好、对训练数据要求较低的基于条件生成对抗训练的图像描述生成方法。
📄 2019104675009
📂 G06F16_583
👤 浙江工业大学
📅 2019-05-31
一种基于半监督对抗生成网络的迁移检索方法，通过设计对抗生成网络进行跨数据域的哈希检索，其目标是将原始数据集和目标数据集映射到一个共同的汉明空间，使得在一个特定场景中图像检索通过半监督对抗生成网络的学习可迁移到另一场景的检索图像中，从而解决大数据时代下无法充分利用未标记的数据和检索模型只适合单一场景的问题。本发明有效提高图像检索的自动化和智能化水平。
📄 2018106893624
📂 G06F16_583
👤 浙江工业大学
📅 2018-06-28
一种无监督对抗训练的基于内容的图像检索方法，所述方法包括以下步骤：步骤一、网络构建，该无监督对抗网络框架由一个生成模型和一个判别模型两部分组成。生成模型和判别模型都是由三层的全连接网络构成；步骤二、数据集预处理；步骤三、网络训练，过程如下：步骤3.1：用随机权值初始化生成模型和判别模型参数；步骤3.2：训练生成模型；步骤3.3：训练判别模型；步骤四、精度测试。本发明提供一种鲁棒性较好、对训练数据要求较低、不需要大量标注信息的无监督对抗训练的基于内容的图像检索方法。
📄 2018101548134
📂 G06F16_583
👤 浙江工业大学
📅 2018-02-23
本发明公开了一种纺织品图像指纹检索方法。它括图像指纹获取、图像索引构建与图像检索；图像指纹获取包括获取待检测纺织品图像及纺织品图像库中所有纺织品图像的指纹，纺织品图像中多个重复出现的局部细粒度特征定义为纺织品图像的指纹部件，将提取出的指纹部件融合后生成的图像特征定义为纺织品图像的指纹；图像库中每个图像的指纹作为对应图像的特征，与图像名对应存储；再采用Cosine余弦距离计算待检测图像的指纹与图像库中的图像指纹特征之间的距离，将距离最近的图片取出，即为检索到的纺织品图像。本发明能够方便用户快速找到使用该指纹部件的纺织品图像，提高检索效率。通过指纹实现图像精准检索，提高了纺织品图像指纹检索的精度。
📄 2021101754379
📂 G06F16_583
👤 浙江工业大学
📅 2021-02-09
一种基于深度哈希学习优化的图像检索方法，包括以下步骤：步骤1、先构建多层全连接网络，每层全连接后面接tanh函数，最后网络输出做符号运算；步骤2、构建由分类损失函数、加权语义相似矩阵得到的语义保持性损失函数、量化损失函数和正则项的得到的带有离散正交约束的目标函数；步骤3、目标函数优化；步骤4、将得到的特征数据集分为查询集Q、待查集D两部分，并取待查集D中的一部分数据组成训练数据集P，将训练数据集P的深度特征和标签信息输入，并初始化权重系数和二值码，对步骤3依次迭代优化得到最优的网络权重系数，由步骤2得到深度哈希函数；步骤4、图像检索与精度测试。本发明精度较高、检索效率较高。
📄 201811538815X
📂 G06F16_583
👤 浙江工业大学
📅 2018-12-14
本发明公开了一种用于分布式架构的快速监督离散哈希图像检索系统，包括：样本数据库，用于分布式存储网络模型中各个节点上传的样本图像数据；核化处理模块，进行核化处理，得到对应的特征矩阵；分布式快速监督离散哈希学习模块：用于构建分布式快速监督离散哈希学习模型，且通过训练寻优，得到最佳哈希函数投影矩阵以及最佳哈希码矩阵；测试样本获取模块：用于获取测试图像数据；图像检索模块：通过计算测试图像数据的哈希码与所述最佳哈希码矩阵之间的汉明距离确定最终的图像检索结果。其效果是：通过回归标签信息到二进制哈希码的方式可以使得学习得到的哈希码具有很好的分类属性，从而提高了检索精度，降低了计算复杂度，缩短了训练时间。
📄 2019103723772
📂 G06F16_583
👤 西南大学
📅 2019-05-06
本发明公开了一种基于多模态低秩双线性池化的图像内容问答方法。本发明包括以下步骤：1、对图像和以自然语言描述的问题，答案文本进行数据预处理，2、多模态低秩双线性池化模型，进行特征融合。3、基于MFB池化模型和协同关注点模型的神经网络结构。4、模型训练，利用反向传播算法训练神经网络参数。本发明提出一种针对图像问答的神经网络模型，特别是提出一种图像问答领域中对图像‑问题的跨媒体数据进行统一建模的方法，以及在图像和问题细粒度特征上学习“协同关注点”进行建模表达的网络结构，并且获得了目前在图像问答领域中的最好效果。
📄 2017106110418
📂 G06F16_583
👤 杭州电子科技大学
📅 2017-07-25
本发明公开了一种基于深度关系自注意力网络的场景图生成方法。本发明步骤如下：1、数据预处理及数据集的划分，2、使用预训练的目标检测网络对图像提取特征，3、构建目标的空间特征，4、构建目标的语言特征，5、构建相对关系特征，6、构建深度神经网络，7、损失函数，8、训练模型、9、网络预测值计算。本发明用于同时建模目标上下文和关系上下文的RSAN网络在场景图生成的任务上取得了显著性的提升效果，超越了该任务上的大部分主流方法。并且本发明的RSAN网络在其他跨模态相关领域中如图像内容问答和视觉关系检测中也具有十分重要的应用价值和巨大的潜力。
📄 2020115000137
📂 G06F16_583
👤 杭州电子科技大学
📅 2020-12-17
本发明公开了一种基于手绘的准规则斑图花型图案检索方法，包括：步骤一：利用对称特征检测算法，对准规则斑图花型图案库中的图案进行对称轴检测，并进行基元图案分割；步骤二：将分割得到的基元图案进行预处理，得到边缘图案形式；步骤三：利用特征提取算法分别提取准规则斑图花型基元图案和手绘图案的形状特征，并计算二者的特征相似性度量，以实现基于手绘图案的准规则斑图花型图案检索。与现有的方法相比，本发明中设计的预处理方法能够有效地提取图案边缘，突出形状特征；基元分割方法能够很好的适应准规则斑图花型图案的对称结构，简化图案中的形状特征，提高检索准确率。
📄 2021104086707
📂 G06F16_583
👤 浙江理工大学
📅 2021-04-16
柿子坊 · 知识产权运营
柿子坊知识产权运营平台