-
公开(公告)号：CN113920472A
公开(公告)日：2022-01-11
申请号：CN202111204633.0
申请日：2021-10-15
申请人： 中国海洋大学
IPC分类号： G06V20/52 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于注意力机制的无监督目标重识别方法及系统，包括：确定通道注意力机制和空间注意力机制；将所述通道注意力机制和空间注意力机制加入至基准卷积神经网络模型，以获取初始的目标重识别模型；基于已知身份标签的第一源数据集和未知身份标签的第二源数据集对当前的目标重识别模型进行有监督训练和无监督训练，确定交叉熵损失和无监督损失；根据所述交叉熵损失和无监督损失，使用梯度下降算法对当前的目标重识别模型进行优化，并不断迭代，直至损失变化值小于预设损失变化阈值或达到预设得迭代次数时，确定当前的目标重识别模型为最优目标重识别模型；基于所述最优目标重识别模型进行目标重识别，以确定与查询图像匹配的目标图像。
-
公开(公告)号：CN113888595A
公开(公告)日：2022-01-04
申请号：CN202111152770.4
申请日：2021-09-29
申请人： 中国海洋大学
摘要： 本发明公开了一种基于困难样本挖掘的孪生网络单目标跟踪方法，包括构建训练集、构建基于困难样本挖掘的卷积孪生网络等步骤：本发明将困难样本挖掘引入到目标跟踪方法中，在训练过程中挖掘困难负样本作为训练数据，更新网络参数，并且选取困难样本三元组损失来作为损失函数，对其不断优化，通过优化损失，模型在训练过程中不断挖掘困难负样本，使网络充分训练，更好的区分相似目标，使模型学习到具有区分能力的特征，具有较好的目标跟踪效果。
-
公开(公告)号：CN113642547A
公开(公告)日：2021-11-12
申请号：CN202111207424.1
申请日：2021-10-18
申请人： 中国海洋大学
摘要： 本发明公开了一种基于密度聚类的无监督域适应的人物重识别方法及系统，包括有监督学习、特征动态存储、自适应动态聚类、跨相机相似性评估、损失优化的步骤，设计了自适应动态聚类模块，自适应地计算合适的初始聚类半径，然后在模型的迭代优化中，动态更新，获取更加合理的聚类结果；设计了跨相机相似性评估模块，过滤掉噪声伪标签，保留可靠伪标签，挖掘的可靠伪标签利用三元组损失来进一步优化模型，通过挖掘利用合理可靠的伪标签来提升模型的可区分性。
-
公开(公告)号：CN113535788A
公开(公告)日：2021-10-22
申请号：CN202110786516.3
申请日：2021-07-12
申请人： 中国海洋大学
IPC分类号： G06F16/2457 , G06F16/22 , G06F16/242 , G06F16/25
摘要： 本发明公开了一种面向海洋环境数据的检索方法、系统、设备及介质，通过提取海洋环境数据关键词，统一整合多源同义的变量，解决多源异构的复杂数据出现相同含义的元素却使用不同命名的差异问题，通过构建基于多信息融合的空间索引结构和基于多关键词的多层双向B‑Tree索引结构，满足复杂多样的查询需求，提高了海洋环境数据检索的效率。
-
公开(公告)号：CN112131961A
公开(公告)日：2020-12-25
申请号：CN202010885776.1
申请日：2020-08-28
申请人： 中国海洋大学
摘要： 本发明公开了一种基于单样本的半监督行人重识别方法，包括以下步骤：步骤1、设置单样本数据集；步骤2、设计网络结构；步骤3、网络训练；步骤4、有标签数据以及伪标签数据损失计算：有标签数据以及伪标签数据的交叉熵损失和部件分割损失相结合；步骤5、无标签数据预测伪标签；步骤6、无标签数据损失计算；步骤7、损失函数融合；步骤8、迭代步骤3‑7，采用渐进式方式不断从无标签数据中分配伪标签数据，直到所有无标签数据都分配为伪标签数据。通过本发明的方法减小部件不对齐对行人重识别性能的影响，并且通过多分支网络以及损失函数融合使网络产生更强的约束，能够有效提高模型提取特征的能力，取得更为突出的行人重识别性能。
-
公开(公告)号：CN111639641A
公开(公告)日：2020-09-08
申请号：CN202010365522.7
申请日：2020-04-30
申请人： 中国海洋大学
摘要： 本发明公开了一种服装区域获取方法及装置，所述服装区域获取方法包括以下步骤：步骤1、人手位置定位；步骤2、初始服装区域定位：得到人手区域后，在两手之间及两手以下区域按照比例得到服装区域的初始位置；步骤3、精确服装区域获取：得到服装初始区域之后，通过图像分割方法分割得到精准的服装区域。本发明适用于未着装于人体的服装区域的获取，更加符合智能家居及智慧零售的需求。而且，本发明提出了使用人手区域作为服装区域获取的基准，与仅通过服装的视觉特征获取其区域相比更能具适应性。
-
公开(公告)号：CN101726432A
公开(公告)日：2010-06-09
申请号：CN200910256063.2
申请日：2009-12-20
申请人： 中国海洋大学
摘要： 本发明涉及一种具有吸气泵保护装置的盐度计，包括带有吸气泵和废液池的盐度计主体，其特征是还包括上端连接吸气泵的进口端、下端插入废液池的吸气泵保护装置，该吸气泵保护装置的管状体内由阀座及导向体自上而下分隔为三个腔：阀座以上的腔体壁侧设有一个凭借进气口与外界大气相通的安全阀；阀座及导向体之间的腔体壁侧有一个进气孔；导向体以下的腔体内有一个浮子，该浮子轴向上固定一根穿过导向体的阀杆，且阀杆顶部设置一个阀头。该阀头随废液面上升而防止废液进入吸气泵中。本发明工艺简捷，排除了因周遭环境及人为操作不当造成的吸气泵腐蚀甚至烧毁，保证了现场盐度测量的连续性和稳定性，延长了盐度计的寿命并减少了维护费用。
-
公开(公告)号：CN118799664A
公开(公告)日：2024-10-18
申请号：CN202411273058.3
申请日：2024-09-12
申请人： 中国海洋大学
IPC分类号： G06V10/77 , G06V10/774 , G06V10/82 , G06V10/25 , G06N3/0895
摘要： 本发明属于图像处理技术领域，公开了基于全局与局部信息的自监督细粒度特征学习方法及系统，所述方法包括以下步骤：步骤1、生成全局视图；步骤2、生成全局视图样本对；步骤3、分割全局视图并提取全局特征；步骤4、收集全局信息；步骤5、利用全局信息生成注意力图；步骤6、标记局部关键区域并获得局部特征；步骤7、损失计算：总损失包含全局对比损失、注意力蒸馏损失和局部判别损失；本发明在图像全局对比学习的过程中进一步强调局部重要区域并在这些局部区域内发现适用于细粒度视觉识别任务的细微差异，通过全局和局部信息的学习，提高提取局部精细特征的能力。
-
公开(公告)号：CN114998820B
公开(公告)日：2024-09-13
申请号：CN202210442778.2
申请日：2022-04-25
申请人： 中国海洋大学
IPC分类号： G06V20/52 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于多任务学习的天气识别方法及系统，包括：将获取的目标图像输入至用于天气识别的卷积神经网络模型的共享卷积层，以获取共享天气特征；将所述共享天气特征输入至所述卷积神经网络模型的天气对象分割任务框架中进行天气对象的分割，以获取天气对象分割结果；将所述天气对象分割结果和共享天气特征输入至所述卷积神经网络模型的天气分类任务框架中进行天气分类，获取天气标签；根据所述天气对象分割结果和天气标签确定针对所述目标图像识别出的天气状态信息。本发明通过建立多任务深度学习框架，可以在共享层提取到共享天气特征，并综合分类和分割任务得到更丰富的天气状态信息，可以应用于室外监控场景图像中的天气状态识别。
-
公开(公告)号：CN117391959B
公开(公告)日：2024-02-20
申请号：CN202311703500.7
申请日：2023-12-13
申请人： 中国海洋大学
IPC分类号： G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08
摘要： 本发明属于图像处理技术领域，公开了基于多粒度匹配及多尺度聚合的超分辨率重建方法及系统，包括以下步骤：低分辨率图像特征提取、参考图像特征提取、多粒度特征匹配、多尺度特征聚合、超分辨率重建，最终得到超分辨率重建的输出图像，本发明通过由粗粒度到细粒度的特征匹配，完成图像间由低分辨率到高分辨率、由结构到细节的特征匹配，并将匹配得到的多尺度特征聚合加强各尺度特征，显著提升了图像超分辨率重建的性能。
-
-
-
-
-
-
-
-
-
搜索结果
84 条记录 (耗时 0.033 秒)
