公共文化服务平台

赖剑煌: 作品数：241 被引量：474H指数：11; 供职机构：中山大学更多>>; 发文基金：国家自然科学基金广东省自然科学基金教育部科学技术研究重点项目更多>>; 相关领域：自动化与计算机技术农业科学理学文化科学更多>>

合作作者

一种基于双目视觉的串联通道融合行人检测方法: 本发明公开了一种基于双目视觉的串联通道融合行人检测方法，该方法根据双目RGB图像生成视差图，构建一个卷积神经网络，把RGB图像通道和视差图通道串联作为卷积神经网络的输入，学习RGB图和视差图之间的互补关系，从卷积神经网络...; 赖剑煌陆瑞智谢晓华; 文献传递

《中国图象图形学报》视频身份识别技术专刊简介: 2023年; 随着“智慧城市”和“平安城市”等项目建设,众多公共场所均部署了大量的监控摄像头,形成了庞大的监控摄像头网络。利用这些摄像头的内容关联分析来确定肇事者或重点关注行人身份越来越重要,其中行人重识别和步态识别等技术,是当前计算机视觉领域的研究热点,具备广泛的应用场景。; 赖剑煌贲晛烨桑农于仕琪赵启军张军平郑伟诗张鹏陈秀妍; 关键词：计算机视觉步态识别平安城市监控摄像头身份识别技术

小股人群重识别研究进展: 2023年; 小股人群重识别旨在将非重叠视域的摄像头网络下具有相同成员的群组图像进行正确的关联。小股人群重识别是传统行人重识别任务的一个重要拓展,在安防监控场景下有着重要的研究意义和应用前景。小股人群重识别所面临的独特挑战在于如何针对群内成员的数量变化和布局变化进行建模,并提取稳定、鲁棒的特征表达。近年来,小股人群重识别引发了研究人员的广泛关注,并获得了快速的发展。本文对小股人群重识别技术的研究进展进行了全面的梳理回顾。首先简要介绍本领域的研究背景,对基本概念、数据集和相关技术进行了简要总结。在此基础上,对多种小股人群重识别算法进行了详细的介绍,并在多个数据集上对前沿算法进行性能对比。最后,对该任务进行展望。整体而言,与行人重识别相比,小股人群重识别的现有方法在具体场景下的特定挑战性能表现欠佳,还需要从数据收集和方法设计两方面进一步探讨。此外,现有的小股人群重识别研究与其他视觉任务的关联性不够紧密,如何协同多任务作业以解决更多业界需求、加速产业落地,需要学术界和工业界共同思考和推动。; 张权赖剑煌谢晓华谢晓华; 关键词：虚拟数据 TRANSFORMER

一种基于多任务学习的表面缺陷检测方法: 本发明公开了一种基于多任务学习的表面缺陷检测方法，包括：获取具有标注信息的输入图像并将输入图像分为训练集图像和测试集图像；对训练集图像进行剪切，得到缺陷实例并对缺陷实例进行增强，得到增强图像；构建表面缺陷检测网络并将测试...; 赖剑煌康丹青吴凯朱俊勇; 文献传递

基于双流卷积神经网络的双目图像快速目标检测方法: 本发明公开了一种基于双流卷积神经网络的双目图像快速目标检测方法，包括步骤：对双目摄像头进行标定，得到标定参数；根据标定参数对训练图像进行校正，训练隐式深度语义挖掘网络用于在双目图像上隐式地学习深度语义信息，训练多模态特征...; 赖剑煌陆瑞智谢晓华; 文献传递

一种融合手工设计描述子和深度特征的人脸姿态估计方法: 本发明公开了一种融合手工设计描述子和深度特征的人脸姿态估计方法，常应用于针对安全防范和人脸识别应用的人脸图像质量评测。该方法使用SIFT描述子提取人脸图像的轮廓和局部信息，使用DeepID深度网络提取人脸图像的表观和结构...; 赖剑煌欧阳柳吴卓亮谢晓华; 文献传递

一种基于视角关联与深度网络学习的行人再识别方法: 本发明提供了一种基于视角关联与深度网络学习的行人再识别方法，其通过对每个视角建立视角关联的深度网络从而提取视角相关的底层视角特征，通过迭代的跨视角欧氏距离约束和跨视角中心度量约束（ICV‑ECCL）约束不同网络之间的特征...; 赖剑煌冯展祥; 文献传递

基于循环对抗生成网络的行人图像遮挡检测方法: 本发明公开了一种基于循环对抗生成网络的行人图像遮挡检测方法，步骤：(1)在无遮挡的行人图像中随机加入遮挡图像块，生成带遮挡的行人图像及对应的带遮挡标注的行人图像；(2)将上述带遮挡的行人图像及对应的带遮挡标注的行人图像作...; 赖剑煌陈泽宇卓嘉璇

基于混合阶相似性的多视图聚类:一个广义的视角: 2024年; 多视图聚类已经被广泛研究,它能够采用可用的多源信息来实现更好的聚类性能.然而,大多数之前的工作仍存在两个不足:(1)它们通常关注多视图属性特征的场景,很少留意到多视图属性图数据;(2)它们主要尝试发现一致的结构或多个视图之间的关系,而忽略了多视图观测之间潜在的高阶相关性。为了解决这些问题,我们从广义角度出发,提出了一种新颖的方法,称为混合阶相似性的多视图聚类(Multiview Clustering by Hybridorder Affinity,MCHA).它将结构图和多视图属性特征巧妙融合,同时考虑了低秩概率相似性图和混合阶的相关性.具体而言,我们通过图过滤策略构建了一组保留几何结构的视图特定的平滑表示.同时,我们将从平滑表示中学习得到的多视图概率相似性图堆叠成一个张量,并对该张量给予低秩属性的约束.这可以很好地恢复视图间更高阶的相关性.在八个基准数据集上的实验表明,我们所提出的MCHA方法具有最先进的有效性.; 陈曼笙任骊安王昌栋黄栋黄栋