-
公开(公告)号：CN113421190B
公开(公告)日：2023-03-24
申请号：CN202110707844.X
申请日：2021-06-24
申请人： 深圳大学
IPC分类号： G06T3/40 , G06N3/0464 , G06N3/08
摘要： 本申请实施例属于图像处理技术领域，涉及一种应用于SAR图像的超分辨率方法、装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，用户的目标超分辨率图像可存储于区块链中。本申请对传统的SAR图像超分辨率网络进行改进，引入可见光图像进行特征融合，利用可见光图像丰富的高频纹理特征引导SAR图像特征的重构，从而实现当放大倍数较大时也能很好的恢复出SAR图像原有的图像纹理特征。
-
公开(公告)号：CN110197195B
公开(公告)日：2022-12-23
申请号：CN201910299673.4
申请日：2019-04-15
申请人： 深圳大学
IPC分类号： G06V10/776 , G06V10/82 , G06N3/04
摘要： 本发明涉及图像识别技术领域，尤其涉及一种基于李群骨架表示的深层网络系统及行为识别方法，具体涉及一种新型面向行为识别的深层网络系统及方法。其中，深层网络网络系统包括对数映射层、激励层、第一完全连接层、时间信息学习层等。本发明能从原始的深度骨架数据出发，将提取到的李群骨架特征输入到针对于李群设计的CNN网络，并在完全连接层之前将转化过的李代数特征输入到Bi‑LSTM网络(时间信息学习层)，然后将两种网络softmax层(输出层)的预测标签和得分进行融合，以此对行为进行有效的识别。
-
公开(公告)号：CN115345903A
公开(公告)日：2022-11-15
申请号：CN202210897234.5
申请日：2022-07-28
申请人： 深圳大学
摘要： 本申请公开了一种目标跟踪方法、装置、电子设备及存储介质，包括：获取待检测视频序列并确定示例图像和搜索图像；将示例图像和搜索图像分别输入训练好的特征提取网络进行处理，得到第一特征图集和第二特征图集；将第一特征图集和第二特征图集输入训练好的孪生互注意力模块进行处理，得到强化后的第二特征图集；根据第一特征图集和强化后的第二特征图集，得到回归特征；根据回归特征进行锚框回归，得到待检测目标在搜索图像中的位置，进而确定待检测目标在待检测视频序列中的位置。本申请通过孪生互注意力模块进行特征强化，将待检测目标的信息施加到提取的特征上，使强化后的第二特征图集的适应性更强，实现了稳健、高效、准确的目标跟踪。
-
公开(公告)号：CN108805827B
公开(公告)日：2022-06-14
申请号：CN201810488157.1
申请日：2018-05-21
申请人： 深圳大学
摘要： 本发明公开了一种图像卷积响应值的简化方法，针对现有计算视频图像卷积响应值的计算量大的问题，先基于视频图像中各像素点的灰度信息和运动信息得到视频图像的积分视频，再利用盒子滤波器将点乘的卷积运算简化成加减运算从而大大的简化响应值，之后利用盒子滤波器中各立方体单元预设位置处的元素响应结果，计算得到盒子滤波器中各立方体单元的响应值，最后利用盒子滤波器中各立方体单元的响应值进行加减运算，得到视频图像响应值。本发明所提供的方法将现有计算量极大的视频图像响应值计算方法，简化为了简单利用由立方体单元构成的盒子滤波器与视频图像进行计算的计算结果，而得到视频图像响应值。
-
公开(公告)号：CN110717384B
公开(公告)日：2022-04-29
申请号：CN201910811059.1
申请日：2019-08-30
申请人： 深圳大学 , 深圳市坪山区大数据资源管理中心
摘要： 本发明提供一种视频交互式行为识别方法及装置，所述方法包括：根据运动距离标注主动参与者及被动参与者；利用有效的15个骨架关键关节点数据，计算相对距离特征向量；并对所述相对距离特征向量进行编码，得到表征所述交互式行为的骨架序列的彩色空间RGB图片；对所述彩色空间RGB图片进行视觉增强处理，输入到3‑stream神经网络识别所述交互式行为。根据本发明的方案，能够对交互式行为进行有效识别且交互式行为识别准确率高、效率高。
-
公开(公告)号：CN114373220A
公开(公告)日：2022-04-19
申请号：CN202111462591.0
申请日：2021-12-02
申请人： 深圳大学
IPC分类号： G06V40/20 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/84
摘要： 本申请实施例提出一种时空图网络可解释方法、可视化方法及相关装置，涉及人工智能技术领域，其中时空图网络可解释方法包括：获取人体关键点的骨架序列、时间序列掩模向量和节点序列掩模向量，计算得到初始掩模向量，再根据初始掩模向量和骨架序列计算得到运动序列，将运动序列输入到预训练好的时空图网络模型，得到预测行为识别结果，利用预测行为识别结果迭代更新优化函数的参考值，得到用于解释时空图网络模型的目标掩模向量。本实施例中结合时间和空间的信息，利用目标掩模向量表征时间信息和空间信息对时空图网络模型判决结果的影响，解释时空图网络模型，从而能够针对性对时空图网络模型进行优化，以提高行为识别结果准确率和识别效率。
-
公开(公告)号：CN113420640A
公开(公告)日：2021-09-21
申请号：CN202110685359.7
申请日：2021-06-21
申请人： 深圳大学
摘要： 本发明公开了一种红树林高光谱图像分类方法、装置、电子设备及存储介质，通过对红树林植被的高光谱图像的像元的三维局部立方体邻域进行三维梯度直方图特征的提取，然后将提取到的特征输入至空谱孪生网络中计算相似度，通过空谱孪生网络可以准确地对高光谱图像中的空谱信息进行识别，从而实现精准的分类，提升了基于空谱特征对高光谱图像进行分类的准确率。
-
公开(公告)号：CN107025433B
公开(公告)日：2021-03-16
申请号：CN201710124474.0
申请日：2017-03-03
申请人： 深圳大学
摘要： 本发明公开了一种视频事件类人概念学习方法及装置，方法包括：利用随机行走算法对视频样本中的运动对象进行行为划分，得到行为集合，基于行为的时间停顿点对该行为集合中的各行为进行子行为划分，得到子行为集合，确定该子行为集合中各子行为与其他子行为的时空关系，及各子行为的时空关系的先验概率，利用所述各子行为的时空关系、先验概率及预置的变化因子集合，组合成新的视频事件，并学习得到视频事件的概念。相对于现有技术，上述方法能够学习到视频事件的概念，且通过简单随机的规划来表达概念，以实现趋近于人类进行概念学习的思维，以实现视频事件类人概念学习。
-
公开(公告)号：CN112488924A
公开(公告)日：2021-03-12
申请号：CN202011521181.4
申请日：2020-12-21
申请人： 深圳大学
摘要： 本发明提供了一种图像超分辨率模型训练方法、重建方法及装置，该训练方法通过获取训练样本集；将训练样本集中的低分辨率图像输入至预设图像超分辨率模型，得到备选高分辨率图像；分别将备选高分辨率图像及真实高分辨率图像进行图像模式转换，得到对应的可见光图像；基于两组可见光图像与真实可见光图像之间的差异及备选高分辨率图像和真实高分辨率图像的差异，构造损失函数，对预设图像超分辨率模型进行模型训练。通过在可见光空间计算备选高分辨率图像及对应的真实高分辨率图像的映射误差，作为反馈信息参与模型训练，使得训练好的预设图像超分辨率模型可以在大尺度放大倍数情况下也可以输出高保真度的高分辨率图像。
-
公开(公告)号：CN108009550B
公开(公告)日：2021-01-22
申请号：CN201711097228.7
申请日：2017-11-09
申请人： 深圳大学
IPC分类号： G06K9/46
摘要： 本发明适用于特征点检测技术领域，提供了一种基于光谱曲线拟合的高光谱图像特征检测方法及装置，包括：在光谱方向上对高光谱图像f(x,y,λ)进行拟合，得到新的高光谱图像φ(x,y,λ′)；构造关于新的该高光谱图像φ(x,y,λ′)中的某点p0和其邻域上的点p1的加权相关性函数；根据该加权相关性函数构造一个特征点响应函数；根据该特征点响应函数计算该高光谱图像φ(x,y,λ′)中的某点p0的特征点响应值和其邻域上所有点的特征点响应值；若该高光谱图像φ(x,y,λ′)中的某点p0的特征点响应值大于其邻域上所有点的特征点响应值，则该点p0即为该高光谱图像φ(x,y,λ′)的特征点；本发明提供的方法可以在光谱方向上通过拟合的方法对整个高光谱图像进行数据压缩和降噪，提高了运行效率，并在此基础上实现了对高光谱图像进行特征点检测的目的。
-
-
-
-
-
-
-
-
-
搜索结果
154 条记录 (耗时 0.029 秒)