一种无监督域自适应行人重识别系统及方法

    公开(公告)号:CN113095229B

    公开(公告)日:2024-04-12

    申请号:CN202110399589.7

    申请日:2021-04-14

    摘要: 本发明涉及一种无监督域自适应行人重识别系统及方法,属于行人重识别技术领域,解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括,数据获取模块,获取多个源域样本子集和多个目标域样本子集;网络模型训练模块,获得行人重识别网络模型的分类损失函数和样本不变性损失函数,根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数,进而对行人重识别网络模型进行迭代优化;重识别模块,利用优化好的行人重识别网络模型进行行人重识别,获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失,提高行人重识别的精度。

    城市地下综合管廊尘雾环境下目标检测系统

    公开(公告)号:CN113643323B

    公开(公告)日:2023-10-03

    申请号:CN202110960779.1

    申请日:2021-08-20

    摘要: 本发明提出城市地下综合管廊尘雾环境下目标检测系统,所述系统包括视频逐帧去雾模块和运动目标检测模块,所述视频逐帧去雾模块用于将地下管廊的模糊视频画面去除尘雾影响,恢复管廊内物体或行人轮廓;所述运动目标检测模块用于对视频中运动目标的轮廓进行检测判断,实现了去雾和抑制噪声的效果,而且该模型对边缘的保持有较好的能力,消除了背景更新不及时导致的鬼影现象,而且运算速度得到明显的提升,实现了运动目标追踪的要求。

    基于多尺度残差网络的矿井图像超分辨率重建方法及系统

    公开(公告)号:CN113592718A

    公开(公告)日:2021-11-02

    申请号:CN202110924404.X

    申请日:2021-08-12

    摘要: 本发明是一种基于多尺度残差网络的矿井图像超分辨率重建方法及系统,该系统是通过图像超分辨率重建模型将低分辨率图像重建为高分辨率图像,图像超分辨率重建模型由浅层特征提取模块、深层特征提取模块和特征重建模块组成,深层特征提取模块由m个融合多尺度卷积、卷积注意力机制和残差连接的多尺度残差注意力组和一个特征融合层组成,整个特征提取模块采用简化后的密集网络将提取到的浅层特征和不同层次的深层特征传送到特征融合层进行特征融合。该矿井图像超分辨率重建方法包括如下步骤:提取图像浅层特征、深层特征,将提取到的浅层和深层特征进行融合,图像重建。本发明能够更有效的利用特征信息,可以有效防止图像特征信息丢失。

    一种基于样本分离的无监督行人重识别系统及方法

    公开(公告)号:CN113065516B

    公开(公告)日:2023-12-01

    申请号:CN202110436855.9

    申请日:2021-04-22

    摘要: 本发明涉及一种基于样本分离的无监督行人重识别系统及方法,属于行人重识别技术领域,解决了现有行人重识别方法识别精度低的问题。该系统包括,数据获取模块,获取多个源域样本子集和多个目标域样本子集;网络模型训练模块,用于获得分类损失函数和样本不变性损失函数,根据目标域样本子集中各行人图片间的相似度方差获得样本分离损失函数,根据目标域样本子集中正样本组、负样本组分别与存储的目标域样本间的相似度获得无监督三元组损失函数,进而对行人重识别网络模型进行迭代优化;重识别模块,根据优化好的行人重识别网络模型对待识别行人图片进行识别。该系统能够很好的区分目(56)对比文件谢川 等.基于对抗生成网络的蒙特卡罗噪声去除算法《.模式识别与人工智能》.2018,第31卷(第11期),1047-1060.Jiahan Li 等.Unsupervised Person Re-Identification Based on Measurement Axis.《IEEE SIGNAL PROCESSING LETTERS》.2021,第28卷379-383.Alexander Hermans 等.In Defense ofthe Triplet Loss for Person Re-Identification《.https://arxiv.org/pdf/1703.07737.pdf》.2017,1-17.Nazia Perwaiz 等.Person Re-Identification Using HybridRepresentation Reinforced by MetricLearning《.IEEE Access》.2018,第6卷77334-77349.

    一种高清视频信息的自适应采集及图像处理方法

    公开(公告)号:CN113724167A

    公开(公告)日:2021-11-30

    申请号:CN202111031131.2

    申请日:2021-09-03

    IPC分类号: G06T5/00

    摘要: 本发明为一种高清视频信息的自适应采集及图像处理方法,方法包括如下步骤:a.对滤波的初始窗口尺寸提前进行计算;b.判断窗口是否达到最大值,对于部分异常噪声点进判断,改进噪声点的检测,对初始窗口尺寸进行更改;c.对窗口达到最大值后,仍无法处理的噪声引入均值滤波器;基于传统的自适应中值滤波算法,在其中加入对初始窗口尺寸提前进行计算、对于部分异常噪声点进判断,改进噪声点的检测标准同时结合部分均值滤波技术完善滤波效果,本方法使得滤波效果满足图像的实时性要求,通过确定最佳窗口尺寸,尽量减少像素点重复排序问题,有效地将高频细节与噪声区分开。

    城市地下综合管廊尘雾环境下目标检测系统

    公开(公告)号:CN113643323A

    公开(公告)日:2021-11-12

    申请号:CN202110960779.1

    申请日:2021-08-20

    摘要: 本发明提出城市地下综合管廊尘雾环境下目标检测系统,所述系统包括视频逐帧去雾模块和运动目标检测模块,所述视频逐帧去雾模块用于将地下管廊的模糊视频画面去除尘雾影响,恢复管廊内物体或行人轮廓;所述运动目标检测模块用于对视频中运动目标的轮廓进行检测判断,实现了去雾和抑制噪声的效果,而且该模型对边缘的保持有较好的能力,消除了背景更新不及时导致的鬼影现象,而且运算速度得到明显的提升,实现了运动目标追踪的要求。

    一种无监督域自适应行人重识别系统及方法

    公开(公告)号:CN113095229A

    公开(公告)日:2021-07-09

    申请号:CN202110399589.7

    申请日:2021-04-14

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明涉及一种无监督域自适应行人重识别系统及方法,属于行人重识别技术领域,解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括,数据获取模块,获取多个源域样本子集和多个目标域样本子集;网络模型训练模块,获得行人重识别网络模型的分类损失函数和样本不变性损失函数,根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数,进而对行人重识别网络模型进行迭代优化;重识别模块,利用优化好的行人重识别网络模型进行行人重识别,获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失,提高行人重识别的精度。

    一种基于样本分离的无监督行人重识别系统及方法

    公开(公告)号:CN113065516A

    公开(公告)日:2021-07-02

    申请号:CN202110436855.9

    申请日:2021-04-22

    摘要: 本发明涉及一种基于样本分离的无监督行人重识别系统及方法,属于行人重识别技术领域,解决了现有行人重识别方法识别精度低的问题。该系统包括,数据获取模块,获取多个源域样本子集和多个目标域样本子集;网络模型训练模块,用于获得分类损失函数和样本不变性损失函数,根据目标域样本子集中各行人图片间的相似度方差获得样本分离损失函数,根据目标域样本子集中正样本组、负样本组分别与存储的目标域样本间的相似度获得无监督三元组损失函数,进而对行人重识别网络模型进行迭代优化;重识别模块,根据优化好的行人重识别网络模型对待识别行人图片进行识别。该系统能够很好的区分目标域中正样本和负样本,从而降低网络精度损失,提高识别精度。