-
公开(公告)号：CN108647595B
公开(公告)日：2021-08-03
申请号：CN201810389331.7
申请日：2018-04-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多属性深度特征的车辆重识别方法，包括：利用特征提取模型提取第A个池化层的测试图片集的深度特征，利用测试图片集的深度特征和W矩阵，得到查找集中的测试图片的深度特征与候选集中的目标图片的深度特征之间的马氏距离，按照马氏距离从小到大排序，得到测试图片与目标图片的相似度排序结果；所述测试图片集包括查找集与搜索集，所述测试图片集为包含车辆的图片；所述特征提取模型的训练包括：在GoogLeNet的第A个池化层后接入车辆多属性分类器，得到改进GoogLeNet，利用训练图片训练改进GoogLeNet，得到特征提取模型。本发明简化了模型训练过程，大大提高了重识别准确率，模型泛化性能很强。
-
公开(公告)号：CN108647577B
公开(公告)日：2021-04-20
申请号：CN201810323425.4
申请日：2018-04-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种自适应难例挖掘的行人重识别模型、方法与系统，其中，识别方法包括：将样本图片随机分成每次迭代使用的训练集合，将训练集合输入卷积神经网络，利用softmax函数得到每个样本对属于正、负样本对的概率，进而利用多项逻辑斯蒂函数得到每个样本对的损失；利用每个样本对的损失获取难例样本对；利用难例样本对训练卷积神经网络，直到当前迭代次数达到迭代次数上限，得到行人重识别模型。利用行人重识别模型提取待识别图片集的中每个图片的特征，进而得到待识别图片集中样本对的相似度排序。本发明不存在过拟合、欠拟合、且识别准确率高。
-
公开(公告)号：CN108199894B
公开(公告)日：2020-02-14
申请号：CN201810037874.2
申请日：2018-01-15
Applicant: 华中科技大学
Abstract: 本发明涉及一种基于数据中心功率管理的服务器部署方法，其特征在于，所述方法包括：基于至少一个服务器的CPU使用率数据构建与应用请求对应的尾端延迟表和/或尾端延迟曲线；基于所述应用请求的尾端延迟要求确定所述服务器的最优功率配额并部署所述服务器。本发明通过对尾端延迟表或曲线进行分析，可以在数据中心额定功率的限制下，以保证延时敏感型应用性能为前提，最大化提高数据中心服务器部署密度。
-
公开(公告)号：CN106920276B
公开(公告)日：2019-05-14
申请号：CN201710098523.8
申请日：2017-02-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种三维重建方法和系统，其中方法的实现包括：基于校正后的左、右视角图像提取左、右特征点的特征向量，通过计算左、右特征点特征向量之间的空间距离寻找左、右支撑点，基于左支撑点对左视角图像进行三角剖分得到多个左三角形，在左三角形内取左估测点，右估测点由左估测点在右视角图像对应行遍历得到，基于左估测点的视差先验信息和左、右估测点之间的似然概率分布建立联合概率分布，使用最大后验概率估计左、右估测点之间的视差，得到视差图；基于视差图使用三角测量恢复目标景深信息，得到三维点云。这种方法可以快速、精确的找到视差图，上述方法得到的点云可用于厚度测量和距离测量，实现了自动化测量。
-
公开(公告)号：CN108647577A
公开(公告)日：2018-10-12
申请号：CN201810323425.4
申请日：2018-04-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种自适应难例挖掘的行人重识别模型、方法与系统，其中，识别方法包括：将样本图片随机分成每次迭代使用的训练集合，将训练集合输入卷积神经网络，利用softmax函数得到每个样本对属于正、负样本对的概率，进而利用多项逻辑斯蒂函数得到每个样本对的损失；利用每个样本对的损失获取难例样本对；利用难例样本对训练卷积神经网络，直到当前迭代次数达到迭代次数上限，得到行人重识别模型。利用行人重识别模型提取待识别图片集的中每个图片的特征，进而得到待识别图片集中样本对的相似度排序。本发明不存在过拟合、欠拟合、且识别准确率高。
-
Patent Agency Ranking
公开(公告)号：CN110032940B
公开(公告)日：2020-11-24
申请号：CN201910189273.8
申请日：2019-03-13
Applicant: 华中科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种视频行人重识别的方法和系统，属于计算机视觉技术领域。包括：从视频中提取待识别行人的行走序列；从待识别行人的行走序列中提取其两脚踝关节点；根据两脚踝关节点距离，从待识别行人的行走序列选择视频帧，组成待识别行人的新行走序列；从待识别行人的新行走序列中提取待识别行人的行走特征；将待识别行人的行走特征与行走特征数据库进行比对，进行行人重识别。本发明通过两脚踝关节点距离确定姿态，重新生成序列都是从脚踝距离最小到最大的序列，同一个姿态下整个行人姿态的对齐，即时序对齐。将倾斜矩形旋转竖直再提取GOG特征，最后再旋转回原来的位置，对于倾斜的矩形同样适用。
-
公开(公告)号：CN108199894A
公开(公告)日：2018-06-22
申请号：CN201810037874.2
申请日：2018-01-15
Applicant: 华中科技大学
Abstract: 本发明涉及一种基于数据中心功率管理的服务器部署方法，其特征在于，所述方法包括：基于至少一个服务器的CPU使用率数据构建与应用请求对应的尾端延迟表和/或尾端延迟曲线；基于所述应用请求的尾端延迟要求确定所述服务器的最优功率配额并部署所述服务器。本发明通过对尾端延迟表或曲线进行分析，可以在数据中心额定功率的限制下，以保证延时敏感型应用性能为前提，最大化提高数据中心服务器部署密度。
-
公开(公告)号：CN110032940A
公开(公告)日：2019-07-19
申请号：CN201910189273.8
申请日：2019-03-13
Applicant: 华中科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种视频行人重识别的方法和系统，属于计算机视觉技术领域。包括：从视频中提取待识别行人的行走序列；从待识别行人的行走序列中提取其两脚踝关节点；根据两脚踝关节点距离，从待识别行人的行走序列选择视频帧，组成待识别行人的新行走序列；从待识别行人的新行走序列中提取待识别行人的行走特征；将待识别行人的行走特征与行走特征数据库进行比对，进行行人重识别。本发明通过两脚踝关节点距离确定姿态，重新生成序列都是从脚踝距离最小到最大的序列，同一个姿态下整个行人姿态的对齐，即时序对齐。将倾斜矩形旋转竖直再提取GOG特征，最后再旋转回原来的位置，对于倾斜的矩形同样适用。
-
公开(公告)号：CN108647595A
公开(公告)日：2018-10-12
申请号：CN201810389331.7
申请日：2018-04-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多属性深度特征的车辆重识别方法，包括：利用特征提取模型提取第A个池化层的测试图片集的深度特征，利用测试图片集的深度特征和W矩阵，得到查找集中的测试图片的深度特征与候选集中的目标图片的深度特征之间的马氏距离，按照马氏距离从小到大排序，得到测试图片与目标图片的相似度排序结果；所述测试图片集包括查找集与搜索集，所述测试图片集为包含车辆的图片；所述特征提取模型的训练包括：在GoogLeNet的第A个池化层后接入车辆多属性分类器，得到改进GoogLeNet，利用训练图片训练改进GoogLeNet，得到特征提取模型。本发明简化了模型训练过程，大大提高了重识别准确率，模型泛化性能很强。
-
公开(公告)号：CN106920276A
公开(公告)日：2017-07-04
申请号：CN201710098523.8
申请日：2017-02-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种三维重建方法和系统，其中方法的实现包括：基于校正后的左、右视角图像提取左、右特征点的特征向量，通过计算左、右特征点特征向量之间的空间距离寻找左、右支撑点，基于左支撑点对左视角图像进行三角剖分得到多个左三角形，在左三角形内取左估测点，右估测点由左估测点在右视角图像对应行遍历得到，基于左估测点的视差先验信息和左、右估测点之间的似然概率分布建立联合概率分布，使用最大后验概率估计左、右估测点之间的视差，得到视差图；基于视差图使用三角测量恢复目标景深信息，得到三维点云。这种方法可以快速、精确的找到视差图，上述方法得到的点云可用于厚度测量和距离测量，实现了自动化测量。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
