-
公开(公告)号：CN118628901A
公开(公告)日：2024-09-10
申请号：CN202410241721.5
申请日：2024-03-04
Applicant: 中国人民解放军国防科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/774 , G06V10/776
Abstract: 本发明公开了一种基于关键特征学习的遥感图像旋转目标检测方法，包括以下步骤：S1、对输入的遥感图像进行筛选，得到高质量样本，根据高质量样本回归得到旋转目标的位置；S2、对高质量样本的关键特征进行提取，得到分类特征；S3、对分类特征进行损失优化，得到优化的分类特征；S4、基于优化的分类特征，计算出旋转目标的类别；S5、根据旋转目标位置以及旋转目标的类别得到旋转目标的检测结果。本发明能够为具有巨大多样性的对象分配足够的正样本，且通过回归损失函数设计，能够在建议统计的基础上改变回归损失函数的形式，可以在训练过程中更多地关注高质量的样本；而且能够基于准确位置的采样位置细化来提取分类任务的关键特征。
-
公开(公告)号：CN109388727A
公开(公告)日：2019-02-26
申请号：CN201811063494.2
申请日：2018-09-12
Applicant: 中国人民解放军国防科技大学
IPC: G06F16/58 , G06F16/583 , G06K9/62
Abstract: 本发明公开一种基于聚类的BGP人脸快速检索方法，步骤包括：S1.将人脸数据库中所有人脸图片分别进行BGP编码，得到BGP编码数据库，并对BGP编码数据库中编码进行聚类，得到多个类别以及对应各类别的聚类中心；S2.对待检图片进行BGP编码，得到待检图片的BGP编码输入至BGP编码数据库进行匹配，将匹配到的聚类中心作为相似人脸图片结果列表，将待检图片的BGP编码与相似人脸图片结果列表中各人脸图片进行比较，得到最终人脸检索结果。本发明具有实现方法简单、能够结合聚类与BGP实现人脸快速检索，且检索性能好等优点。
-
公开(公告)号：CN109359532A
公开(公告)日：2019-02-19
申请号：CN201811063424.7
申请日：2018-09-12
Applicant: 中国人民解放军国防科技大学
IPC: G06K9/00
Abstract: 本发明公开一种基于启发式信息的BGP人脸识别方法，步骤包括：S1.对待检图像基于BGP算法进行BGP特征提取，得到BGP特征图像后分为多个子块，统计各个子块的BGP直方图，并将得到的各个子块的各个子块的统计直方图进行拼接，得到对应的BGP特征向量；S2.根据含有人脸结构特征信息的启发式先验信息将BGP特征向量中部分子块的统计直方图进行加权处理，得到处理后的BGP特征向量；S3.使用处理后的BGP特征向量进行识别，输出人脸识别结。本发明能够充分利用人脸结构特征信息进行识别，使得识别精度及识别效率高、鲁棒性好等优点。
-
公开(公告)号：CN109359530A
公开(公告)日：2019-02-19
申请号：CN201811061880.8
申请日：2018-09-12
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开一种智能视频监控方法及装置，该方法步骤包括：S1.对目标视频进行实时监测，从视频图像中实时检测出人脸图像输出；S2.对步骤S1检测到的人脸图像进行编码，得到待检图像编码；S3.将待检图像编码分别与预先由数据库人脸图像得到的数据库编码进行匹配比较，得到识别结果输出；该装置包括人脸实时监测模块、图像智能编码模块以及人脸快速检索模块。本发明能够实现智能视频监控，提升视频监控智能水平，同时大大缩减视频数据存储和传输占用空间。
-
公开(公告)号：CN109359530B
公开(公告)日：2022-01-25
申请号：CN201811061880.8
申请日：2018-09-12
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明公开一种智能视频监控方法及装置，该方法步骤包括：S1.对目标视频进行实时监测，从视频图像中实时检测出人脸图像输出；S2.对步骤S1检测到的人脸图像进行编码，得到待检图像编码；S3.将待检图像编码分别与预先由数据库人脸图像得到的数据库编码进行匹配比较，得到识别结果输出；该装置包括人脸实时监测模块、图像智能编码模块以及人脸快速检索模块。本发明能够实现智能视频监控，提升视频监控智能水平，同时大大缩减视频数据存储和传输占用空间。
-
Patent Agency Ranking
公开(公告)号：CN113705731A
公开(公告)日：2021-11-26
申请号：CN202111125805.5
申请日：2021-09-23
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于孪生网络的端到端图像模板匹配方法，该方法将模板匹配任务作为一个分类回归问题进行处理，能够更好的解决模板与参考图像之间存在的尺度差异问题，有效提高复杂情况下模板匹配的鲁棒性。具有以下有益效果：1.将模板匹配任务作为一个分类回归任务进行处理，能够更好的解决尺度差异问题，有效提高复杂情况下模板匹配的鲁棒性；2.将深度互相关操作与通道注意力机制相结合，提出了一种用于特征融合的新的互相关操作，能够有效提高模板定位的精度；3.在损失函数的设计中，使用DIoU代替常用的IoU来构建回归损失，能够使得训练过程的稳定，加快收敛，同时进一步提高模板匹配的性能。
-
公开(公告)号：CN115330876A
公开(公告)日：2022-11-11
申请号：CN202211131672.7
申请日：2022-09-15
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明属于图像处理和深度学习技术领域，具体涉及一种基于孪生网络和中心位置估计的目标模板图匹配定位方法，包括如下步骤：S1构建目标模板图匹配定位网络；S2训练目标模板图匹配定位网络；S3应用训练好的目标模板图匹配定位网络模型进行目标模板图匹配定位。与传统模板匹配方法相比，本发明提供的基于孪生网络和中心位置估计的目标模板图匹配定位方法，能够充分利用深度孪生网络强大的特征提取与表征能力以及中心位置估计网络的高精度定位能力，在涵盖异源、尺度、旋转、视角等大差异的训练图像集基础上，通过训练得到应对上述复杂差异的目标模板图匹配定位网络模型，具体实施示例表明本方法具有良好的鲁棒性和定位准确性。
-
公开(公告)号：CN109063693A
公开(公告)日：2018-12-21
申请号：CN201811061979.8
申请日：2018-09-12
Applicant: 中国人民解放军国防科技大学
IPC: G06K9/00
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/00677
Abstract: 本发明公开一种金字塔式编码的BGP人脸快速检索方法，步骤包括：S1.对数据库中各人脸图像分别进行多级BGP特征提取，并对每级BGP特征提取得到的特征向量进行编码，得到对应各级BGP的多层编码，各层编码的长度按顺序逐级缩短形成金字塔式编码结构，得到数据库图像编码；S2.对待检图像进行多级BGP特征提取，并对每级BGP特征提取得到的特征向量进行编码，得到对应各级BGP的多层编码，各层编码的长度按顺序逐级缩短形成金字塔式编码结构，得到待检图像编码；S3.将待检图像编码与数据库图像编码进行逐层比较，由比较结果识别出目标人脸。本发明具有实现方法简单、检索效率及精度高、实时性好等优点。
-
公开(公告)号：CN119380053A
公开(公告)日：2025-01-28
申请号：CN202411224204.3
申请日：2024-09-03
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于孪生网络和精确中心点定位的模板匹配方法。包括S1：获取训练数据集，即模板和搜索图像；S2：构建基于孪生网络和精确中心点定位的模板匹配网络，并将S1的训练数据集输入模板匹配网络中，模板匹配网络由依次级联的孪生特征提取网络、动态收缩互相关网络和中心点定位网络三个部分构成；S3：采用损失函数对S2的模板匹配网络进行训练。本发明的方法将模板匹配任务作为一个中心点定位问题进行处理，能够更好的解决更好的解决模板与搜索图像之间存在差异的问题，有效提升对目标中心点的定位精度以及模板匹配的鲁棒性。
-
公开(公告)号：CN114154626B
公开(公告)日：2022-08-16
申请号：CN202111530279.0
申请日：2021-12-14
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明属于深度神经网络模型压缩与加速领域，具体涉及一种用于图像分类任务的滤波器剪枝方法，在对滤波器重要性进行评估时，综合考虑滤波器剪枝对于当前层的直接影响和对于下一层的间接影响，使得新的评估结果能够更准确的反映滤波器的重要性，在给定剪枝率的情况下，优化待剪枝滤波器的选择，保持剪枝后模型的性能与剪枝前相当。该方法可全面评价滤波器剪枝对当前层的直接影响和对下一层的间接影响、实现对滤波器重要性的准确评估；可以在保持深度神经网络模型性能的前提下，实现深度网络模型的大幅压缩和加速，对深度神经网络模型在计算与存储资源受限设备上的轻量化部署与快速运行，具有重要的工程应用价值。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.04 seconds)
