陈泽
- 作品数：12 被引量：19H指数：1
- 供职机构：杭州电子科技大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种基于多层次特征融合的小尺度行人检测方法
- 本发明公开了一种基于多层次特征融合的小尺度行人检测方法。本发明首先使用卷积神经网络对输入图像进行特征提取，并将具有丰富细节信息的浅层特征和具有丰富语义信息的深层特征进行融合，然后在行人区域提议和分类回归中通过行人候选区域...
- 陈泽叶学义钱丁炜魏阳洋赵知劲
- 文献传递
- 隔离式DC-DC系统及芯片设计
- 非隔离式电源包括降压型拓扑BULK和升压型拓扑BOOST，在市场已较为成熟。隔离式的电源在诸如LED控制、数字安全防盗门电源系统等细分的市场有比较大的需求，因此对隔离式电源的研究是相当必要的。 本文设计一款采用推挽拓扑...
- 陈泽
- 关键词：线性稳压器带隙基准电路
- 文献传递
- 基于深度学习的行人检测算法研究
- 行人检测一直是计算机视觉领域的研究热点，近年来随着深度学习研究的快速发展，行人检测已被广泛应用于自动驾驶、智能安防和智能机器人等多个领域，这使得行人检测在学术界和工业界都受到了越来越多的关注。行人检测要在给定的图像或视频...
- 陈泽
- 关键词：行人检测图像处理
- 文献传递
- 多层AR-LBP与WLD特征融合的SA-CRC人脸识别被引量：1
- 2019年
- 针对非对称局部二值模式(AR-LBP)提取的人脸特征有限,以及协同表示分类(CRC)人脸存在的类间干扰,提出以多层AR-LBP特征及联合韦伯局部描述子(WLD)特征进行补充,并以增加CRC中稀疏性来降低类间干扰。提取人脸图像的多层AR-LBP特征并级联,与从原图像提取的WLD特征级联得到多层AR-LBP与WLD融合特征,采用稀疏增强的协同表示分类(SA-CRC)完成人脸分类。在ORL、Yale和GT公开人脸库上,提出的多层AR-LBP与WLD特征融合算法与AR-LBP特征提取算法、WLD特征提取算法以及多层LBP与HOG特征融合算法相比,识别正确率提高了0.7%~42.6%;当利用SA-CRC取代CRC后,识别正确率进一步得到提高。
- 叶枫叶学义罗宵晗陈泽
- 一种基于变异系数的睫毛遮挡区域预检测方法
- 本发明公开了一种基于变异系数的睫毛遮挡区域预检测方法。本方法首先对虹膜上下区域进行分块，然后计算关于虹膜圆心对称的上下俩分块的变异系数，通过比较上下分块变异系数大小，判断虹膜上分块是否受睫毛遮挡，通过对比对虹膜上下分块区...
- 叶学义陈妍婷季毕胜陈泽魏阳洋
- 判别性非凸低秩分解和叠加线性稀疏表示的人脸识别方法
- 本发明公开了一种非凸低秩分解和叠加线性稀疏表示的人脸识别方法。本发明步骤如下：1、根据低秩矩阵分解理论，将γ范数取代核范数用于低秩矩阵分解，并引入结构不相干判别项，形成判别性非凸低秩分解；2、对判别性非凸低秩分解进行求解...
- 罗宵晗叶学义王鹏陈泽陈华华
- 文献传递
- 一种基于变异系数的睫毛遮挡区域预检测方法
- 本发明公开了一种基于变异系数的睫毛遮挡区域预检测方法。本方法首先对虹膜上下区域进行分块，然后计算关于虹膜圆心对称的上下俩分块的变异系数，通过比较上下分块变异系数大小，判断虹膜上分块是否受睫毛遮挡，通过对比对虹膜上下分块区...
- 叶学义陈妍婷季毕胜陈泽魏阳洋
- 文献传递
- 判别性非凸低秩分解和叠加线性稀疏表示的人脸识别方法
- 本发明公开了一种非凸低秩分解和叠加线性稀疏表示的人脸识别方法。本发明步骤如下：1、根据低秩矩阵分解理论，将γ范数取代核范数用于低秩矩阵分解，并引入结构不相干判别项，形成判别性非凸低秩分解；2、对判别性非凸低秩分解进行求解...
- 罗宵晗叶学义王鹏陈泽陈华华
- 文献传递
- 基于复合窗及梯度加权方向滤波的尾部睫毛检测方法
- 本发明公开了基于复合窗及梯度加权方向滤波的尾部睫毛检测方法。该方法首先以方向一致性为评判标准，选取方向一致性最大的外窗与内窗构成复合窗，其中尾部睫毛起始点作为大小1×1的内窗，尾部睫毛起始点为中心的k×k邻域为外窗；然后...
- 叶学义陈妍婷王鹏钱丁炜陈泽
- 文献传递
- 基于改进Faster R-CNN的小尺度行人检测被引量：17
- 2020年
- 为提高小尺度行人检测的准确性,提出一种基于改进Faster R-CNN的目标检测方法。通过引入基于双线性插值的对齐池化层,避免感兴趣区域池化过程中两次量化操作导致的位置偏差,同时设计基于级联的多层特征融合策略,将具有丰富细节信息的浅层特征图和具有抽象语义信息的深层特征图进行通道叠加,从而解决小尺度行人在深层特征图中特征信息缺乏的问题。在INRIA和PASCAL VOC2012数据集上的实验结果表明,在小尺度行人检测效率相同的情况下,该方法相比基于Faster R-CNN的检测方法平均精确率均值分别提高了17.58%和23.78%。
- 陈泽叶学义钱丁炜魏阳洋
