-
公开(公告)号：CN112507941A
公开(公告)日：2021-03-16
申请号：CN202011499054.9
申请日：2020-12-17
申请人： 中国矿业大学 , 江苏华图矿业科技有限公司
摘要： 本发明涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置，属于计算机视觉技术领域，解决了现有无监督行人重识别方法的精确度较低的问题。方法包括：获取源域数据集和目标域数据集；构建残差网络，将源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征并分别存储至存储器；基于源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至第一损失函数小于设定阈值时，得到残差网络的最优网络结构；将待重识别的目标图像输入残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息。提高了行人重识别的精度。
-
公开(公告)号：CN112541912B
公开(公告)日：2024-03-12
申请号：CN202011541385.4
申请日：2020-12-23
申请人： 中国矿业大学 , 江苏华图矿业科技有限公司
IPC分类号： G06V10/25 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/26
摘要： 本发明涉及一种矿井突发灾害场景中显著性目标的快速检测方法及装置，属于计算机视觉技术领域，解决了现有的显著性目标检测方法的检测精度较差和速度较慢的问题。方法包括：获取关于矿井突发灾害场景的输入图像；构造Unet网络，将输入图像输入Unet网络，得到输入图像对应的分割映射图像；构造全卷积FCN网络，将输入图像输入全卷积FCN网络，得到输入图像对应的显著性映射图像；将输入图像对应的分割映射图像和输入图像对应的显著性映射图像融合，得到融合映射图像，并基于融合映射图像得到局部图；基于局部图获得最终的显著性目标。实现了矿井突发灾害场景中显著性目标的快速检测，提高了显著性目标检测的精度和速度。
-
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
申请人： 中国矿业大学 , 江苏华图矿业科技有限公司
IPC分类号： G06V20/52 , G06V10/44 , G06V10/774 , G06V10/74 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/088
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.
-
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
申请人： 中国矿业大学 , 江苏华图矿业科技有限公司
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。
-
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
申请人： 中国矿业大学 , 江苏华图矿业科技有限公司
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。
-
公开(公告)号：CN112541912A
公开(公告)日：2021-03-23
申请号：CN202011541385.4
申请日：2020-12-23
申请人： 中国矿业大学 , 江苏华图矿业科技有限公司
摘要： 本发明涉及一种矿井突发灾害场景中显著性目标的快速检测方法及装置，属于计算机视觉技术领域，解决了现有的显著性目标检测方法的检测精度较差和速度较慢的问题。方法包括：获取关于矿井突发灾害场景的输入图像；构造Unet网络，将输入图像输入Unet网络，得到输入图像对应的分割映射图像；构造全卷积FCN网络，将输入图像输入全卷积FCN网络，得到输入图像对应的显著性映射图像；将输入图像对应的分割映射图像和输入图像对应的显著性映射图像融合，得到融合映射图像，并基于融合映射图像得到局部图；基于局部图获得最终的显著性目标。实现了矿井突发灾害场景中显著性目标的快速检测，提高了显著性目标检测的精度和速度。
-
公开(公告)号：CN112507941B
公开(公告)日：2024-05-10
申请号：CN202011499054.9
申请日：2020-12-17
申请人： 中国矿业大学
IPC分类号： G06V40/10 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置，属于计算机视觉技术领域，解决了现有无监督行人重识别方法的精确度较低的问题。方法包括：获取源域数据集和目标域数据集；构建残差网络，将源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征并分别存储至存储器；基于源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至第一损失函数小于设定阈值时，得到残差网络的最优网络结构；将待重识别的目标图像输入残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息。提高了行人重识别的精度。
-
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
申请人： 中国矿业大学
IPC分类号： G06V40/10 , G06V20/40 , G06V10/74 , G06V10/764 , G06V10/774
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。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.047 秒)
