-
公开(公告)号：CN113297906A
公开(公告)日：2021-08-24
申请号：CN202110423900.7
申请日：2021-04-20
Abstract: 本发明公开了一种基于知识蒸馏的行人重识别模型压缩方法及评价方法，压缩方法包括如下步骤：S1：预训练行人重识别教师模型；S2：构建行人重识别学生模型；S3：构建低阶状态蒸馏损失和高阶结构蒸馏损失，将教师模型的知识迁移到学生模型，联合优化行人重识别任务损失和蒸馏损失进行训练；评价方法还包括如下步骤：S4：将底库测试集输入训练好的学生模型，获得底库行人特征；S5：将查询测试集输入训练好的学生模型，获得行人特征，与底库行人特征进行相似度计算，经度量排序找到与之具有相同身份的底库行人图片，计算时间效率和性能准确度。
-
公开(公告)号：CN112581626B
公开(公告)日：2021-06-08
申请号：CN202110198676.6
申请日：2021-02-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于非参数化和多注意力机制的复杂曲面测量系统，主要针对形貌随机复杂的2.5D连续曲面，该系统包括依次连接的基于被测对象几何形状的曲面特定核函数设计模块、高斯过程（GP）点云自适应采样模块、曲面配准和稀疏误差重建模块、像素化和归一化模块、多尺度多注意力超分辨模块、解归一化模块、点云空间映射模块，最终将稀疏的点云数据进行增强得到高质量高密度的点云数据。该系统针对接触式形貌测量传感器测量效率较低的问题，通过结合高斯过程和多注意力机制的超分辨技术，利用较少的测量点即可以完成对连续复杂的2.5D曲面的高精度测量和重建，具有测量效率高、点云上采样精度高和曲面细节还原性高的优点。
-
公开(公告)号：CN111723786B
公开(公告)日：2020-12-25
申请号：CN202010851025.8
申请日：2020-08-21
Applicant: 之江实验室
Abstract: 本发明公开了一种基于单模型预测的安全帽佩戴检测方法及装置，该方法包括将原始图像输入到一个深度卷积神经网络中，在深度卷积神经网络的不同层中提取出原始图像的表观特征，并采用特征金字塔网络在表观特征上获取不同尺度的特征图；将不同尺度的特征图分别输入到坐标回归网络和行人识别网络中，分别输出在原始图像中检测到的行人目标的位置和识别的置信度，通过非极大值抑制方法找到最佳的目标边界框，并消除冗余的边界框；将不同尺度的特征图输入到基于注意力机制的安全帽佩戴分类网络中，最终得到行人目标是否佩戴安全帽的检测结果。通过单个模型来对监控摄像头拍摄的厂区、工地等作业场所中工作人员是否佩戴安全帽的精准识别。
-
公开(公告)号：CN112070075A
公开(公告)日：2020-12-11
申请号：CN202011264121.9
申请日：2020-11-12
Applicant: 之江实验室
Abstract: 本发明公开一种基于协同回归的人体检测方法，该方法首先预训练深度卷积神经网络骨干模型；然后在模型的输出特征层分别预测人头中心点、人体中心点及对应人体宽高；同时在模型的输出特征层分别回归指向人体中心点的向量和指向人头中心点的向量；训练最小化损失函数，得到人体检测模型；最后将测试集图片输入训练好的模型，利用人头中心点、人体中心点预测值及两者互相指向的向量确定人体位置，结合人体宽高预测值得到人体检测结果。本发明通过充分考虑人群密集场景人体检出率低的问题，利用人群密集场景中人头相较于人体不易产生互相遮挡的特点，提出基于人头中心点、人体中心点协同回归的人体检测方法，在人群密集场景中的人体检出率高。
-
公开(公告)号：CN112069929A
公开(公告)日：2020-12-11
申请号：CN202010842782.9
申请日：2020-08-20
Applicant: 之江实验室
Abstract: 本发明公开了一种无监督行人重识别方法、装置、电子设备及存储介质，该方法包括：在带标签的源域数据集中预训练行人重识别模型；利用所述模型提取无标签目标域中训练集的训练特征；根据所述训练特征，基于自适应聚类的方法将目标域训练集分为若干簇，并分配对应的伪标签；将每个簇设定为一个原型，在原型中挑选出与原型中心的距离小于设定阈值的样本，并利用所述样本的训练特征和伪标签对所述模型进行再训练，得到更新参数后的行人重识别模型；将目标域的查询集和待选集输入到所述模型中，分别得到二者的测试特征，根据测试特征的相似度从待选集中选出符合查询图片要求的图片。本发明有效缓解了域间隔问题，提高了跨域行人重识别的准确度。
-
Patent Agency Ranking
公开(公告)号：CN111626276B
公开(公告)日：2020-10-30
申请号：CN202010750662.6
申请日：2020-07-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于两级神经网络的工鞋穿戴检测方法及装置，包括：获取监控视频的图片数据集；对图片数据集中包含的鞋子目标和人体目标进行标注，得到标注数据集；构建两级神经网络模型，所述两级神经网络模型由一级人体检测网络模型和二级鞋子检测网络模型级联而成，二级鞋子检测网络模型的输入为一级人体检测网络模型的输出；将待检测的图片输入到所述两级神经网络模型中，输出人体框位置、鞋子位置相对人体框的偏移和穿戴工鞋的置信度；根据人体框位置、鞋子位置相对人体框的偏移，计算得到鞋子的位置，结合置信度判断是否穿戴工鞋。该方法克服了视频中工作人员的鞋子目标较小导致检测召回率低的问题，可用于工厂中工作人员工鞋穿戴检测。
-
公开(公告)号：CN111626276A
公开(公告)日：2020-09-04
申请号：CN202010750662.6
申请日：2020-07-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于两级神经网络的工鞋穿戴检测方法及装置，包括：获取监控视频的图片数据集；对图片数据集中包含的鞋子目标和人体目标进行标注，得到标注数据集；构建两级神经网络模型，所述两级神经网络模型由一级人体检测网络模型和二级鞋子检测网络模型级联而成，二级鞋子检测网络模型的输入为一级人体检测网络模型的输出；将待检测的图片输入到所述两级神经网络模型中，输出人体框位置、鞋子位置相对人体框的偏移和穿戴工鞋的置信度；根据人体框位置、鞋子位置相对人体框的偏移，计算得到鞋子的位置，结合置信度判断是否穿戴工鞋。该方法克服了视频中工作人员的鞋子目标较小导致检测召回率低的问题，可用于工厂中工作人员工鞋穿戴检测。
-
公开(公告)号：CN111368815B
公开(公告)日：2020-09-04
申请号：CN202010467045.5
申请日：2020-05-28
Applicant: 之江实验室
Abstract: 本发明提供了一种基于多部件自注意力机制的行人重识别方法，该方法首先预训练深度卷积神经网络骨干模型；然后对骨干模型进行分支后构建多部件自注意力网络，获得多部件自注意力特征；接着将多部件自注意力特征输入分类器，联合训练最小化交叉熵损失和度量损失；最后将测试集图片输入训练好的模型，融合输出的部件特征获得整体特征，经度量排序实现行人重识别。本发明通过充分考虑行人重识别问题中存在的各种挑战，提出了多部件自注意力机制，有效地扩展了注意力激活区域，丰富了行人特征；自注意力模块使网络更充分细致地关注具有判别特性的区域就，其中空间注意力模块和通道注意力模块以残差的形式融入网络，使得网络更加健壮稳定，容易训练。
-
公开(公告)号：CN111598066A
公开(公告)日：2020-08-28
申请号：CN202010722851.2
申请日：2020-07-24
Applicant: 之江实验室
Abstract: 本发明公开了一种基于级联预测的安全帽佩戴识别方法，该方法将安全帽佩戴识别分为行人检测、目标跟踪和安全帽佩戴分类三个步骤。在行人检测时，通过基于深度卷积神经网络的检测算法来获取视频每一帧图像中行人目标框的位置；基于行人检测的结果，采用卡尔曼滤波和匈牙利算法进行轨迹关联以得到优化后的行人目标框；对于每一个目标框内的行人，通过一个基于深度卷积神经网络的二分类器来判断其是否佩戴安全帽。本发明采用三个模块级联预测的方式，实现方法简单，可移植性强，能够实现对监控摄像头拍摄的厂区、工地等作业场所中工作人员是否佩戴安全帽的精准识别。
-
公开(公告)号：CN118971899B
公开(公告)日：2025-02-28
申请号：CN202411411226.0
申请日：2024-10-10
Applicant: 之江实验室
Abstract: 本说明书公开了一种射频干扰消减方法、装置、存储介质及电子设备。在本说明书提供的射频干扰消减方法中，获取大规模天线阵列接收的目标观测数据；对所述目标观测数据进行分块处理，得到若干分块数据；针对每个分块数据，确定该分块数据的协方差矩阵；对所述协方差矩阵进行特征值分解，得到该分块数据的协方差矩阵的各特征值和各特征向量，其中，每个特征值有且仅有一个对应的特征向量；根据所述各特征值确定干扰数量，并基于所述干扰数量和所述各特征向量构建干扰子空间；确定投影到所述干扰子空间的正交投影矩阵，并采用所述正交投影矩阵对该分块数据进行干扰消减处理；对完成所述干扰消减处理的各分块数据进行合并，得到降噪数据。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.018 seconds)
