-
公开(公告)号：CN112069868A
公开(公告)日：2020-12-11
申请号：CN202010595050.4
申请日：2020-06-28
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于卷积神经网络的无人机实时车辆检测方法，包括步骤如下：(1)制作数据集；(2)聚类出9个锚框；(3)搭建浅层神经网络；(4)添加注意力机制；(5)加入张量自适应模块；(6)在嵌入式设备中训练与测试。本发明构建了一个浅层神经网络，参数量较少，在Jetson tx2适用于无人机的嵌入式设备中运行并且满足实时性的要求；在卷积层之间加入CBAM注意力机制，有利于卷积网络对特征的提取；基于特征金字塔网络进行特征融合后，引入自适应张量选择模块，使网络能够根据目标的语义信息选择最合适的检测张量，进一步提升模型检测的准确性。
-
公开(公告)号：CN112071075B
公开(公告)日：2022-10-14
申请号：CN202010595381.8
申请日：2020-06-28
申请人： 南京信息工程大学
摘要： 本发明公开了一种逃逸车辆重识别方法，包括步骤如下：(1)构建目标摄像头拓扑网络，预测关联摄像头轨迹；(2)基于视角感知的度量学习，在S‑view同视角和D‑view跨视角样本中学习两种不同深度度量；(3)基于双路径自适应注意力下车辆重识别；双路径包括全局路径和局部路径，步骤(2)S‑view同视角和D‑view跨视角特征空间中分别进行双路径车辆重识别，全局路径提取图片全局特征，局部路径用于全局特征补充。本发明通过构建可疑车辆摄像头拓扑网络，得到时序最优的重点监控区域；利用深度度量学习应用不同的损失函数，加入自适应注意力模型，进行重识别任务并得到车辆的行走轨迹，提高了逃逸车辆重识别的准确度。
-
公开(公告)号：CN112071075A
公开(公告)日：2020-12-11
申请号：CN202010595381.8
申请日：2020-06-28
申请人： 南京信息工程大学
摘要： 本发明公开了一种逃逸车辆重识别方法，包括步骤如下：(1)构建目标摄像头拓扑网络，预测关联摄像头轨迹；(2)基于视角感知的度量学习，在S‑view同视角和D‑view跨视角样本中学习两种不同深度度量；(3)基于双路径自适应注意力下车辆重识别；双路径包括全局路径和局部路径，步骤(2)S‑view同视角和D‑view跨视角特征空间中分别进行双路径车辆重识别，全局路径提取图片全局特征，局部路径用于全局特征补充。本发明通过构建可疑车辆摄像头拓扑网络，得到时序最优的重点监控区域；利用深度度量学习应用不同的损失函数，加入自适应注意力模型，进行重识别任务并得到车辆的行走轨迹，提高了逃逸车辆重识别的准确度。
-
公开(公告)号：CN105536587A
公开(公告)日：2016-05-04
申请号：CN201510986168.9
申请日：2015-12-25
申请人： 南京信息工程大学
CPC分类号： B01F5/061 , B01F3/02 , B01F15/0479
摘要： 本发明公开了一种标准气体动态混合仪，用以控制进入实验部分的有机气体浓度；包括载气源、有机物发生器、气体混合器；载气源分别通过质量流量控制器与气体混合器和有机物发生器相连；有机物发生器通过单向阀与气体混合器相连；气体混合器为管状，内部垂直于轴向方向平行设有两个多孔板；气体混合器与实验部分相连。利用本发明装置能有效对有机气体进行稀释混合。
-
公开(公告)号：CN113799150A
公开(公告)日：2021-12-17
申请号：CN202111120782.9
申请日：2021-09-24
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于室内导航定位的气体浓度巡检机器人，包括构成机器人主体的双层底盘以及安装在双层底盘两侧两端用于机器人行走的驱动机构；所述驱动机构的输出端设有麦克纳姆轮；所述双层底盘分为上层和下层，下层的底部设有用于给机器人供电的锂电池，上层和下层之间设有用于控制机器人的底层系统主板；上层底盘顶端安装有用于检测气体浓度的气体浓度检测装置，用于构建环境地图的激光雷达传感器，用于视觉避障的深度摄像头以及用于处理数据和算法的中央处理器；本发明利用激光雷达、深度摄像头的数据融合，进行自主导航，实现自主避障；在运行过程中，利用气体浓度检测装置检测危险气体浓度，实现对危险气体浓度远程实时监控。
-
公开(公告)号：CN113837048A
公开(公告)日：2021-12-24
申请号：CN202111090480.1
申请日：2021-09-17
申请人： 南京信息工程大学
摘要： 基于少样本注意力的车辆重识别方法。本发明公开了将车辆图片输入到预先训练好的少样本注意力模块FSAM中，得到注意力图；将目标域图片输入特征提取网络F‑Net，获取特征图，并通过特征图整合模块FMIM进行整合，得到新特征图；通过计算注意力图与新特征图两者的距离，根据距离大小输出相似度最高的车辆图片；本发明有效地解决了传统方法需要大量车辆图片来训练网络的问题，不仅增强了网络的泛化能力，还提高了网络的效率和车辆重识别的精确度。
-
公开(公告)号：CN112149720A
公开(公告)日：2020-12-29
申请号：CN202010940542.2
申请日：2020-09-09
申请人： 南京信息工程大学
摘要： 本发明公开了一种细粒度车辆类型识别方法，提出了标签平滑和Cross‑X学习鲁棒的细粒度车辆图像特征方法，通过利用不同车辆图像之间，不同网络层之间的关系以及最大化模型的预测多样性，联合处理每个车辆图像的特定部分特征，提高了模型学习的效率，网络的泛化能力得到了增强，有效地提高了细粒度车辆类型识别的准确度。
-
公开(公告)号：CN113837048B
公开(公告)日：2023-08-01
申请号：CN202111090480.1
申请日：2021-09-17
申请人： 南京信息工程大学
IPC分类号： G06V20/58 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了基于少样本注意力的车辆重识别方法，所述方法包括步骤：将车辆图片输入到预先训练好的少样本注意力模块FSAM中，得到注意力图；将目标域图片输入特征提取网络F‑Net，获取特征图，并通过特征图整合模块FMIM进行整合，得到新特征图；通过计算注意力图与新特征图两者的距离，根据距离大小输出相似度最高的车辆图片；本发明有效地解决了传统方法需要大量车辆图片来训练网络的问题，不仅增强了网络的泛化能力，还提高了网络的效率和车辆重识别的精确度。
-
公开(公告)号：CN113191218A
公开(公告)日：2021-07-30
申请号：CN202110394724.9
申请日：2021-04-13
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于双线性注意力汇集和卷积长短期记忆的车型识别方法，分为三个阶段，第一阶段为注意力图汇集阶段，在主干网络的特征提取部分添加一个注意力学习模块分支，将注意力模块学到的注意力图与主干网络的原输出特征图做双线性汇集操作，生成对车型分类贡献较大的局部特征图。第二阶段将局部特征图转化为特征矩阵，第三阶段引入ConvLSTM结构，串联多个Cell，进一步学习局部特征之间的空间关系，然后将ConvLSTM结构输出的特征图送入到全连接层，使用分类器分类。本发明学习不同局部特征间的空间关系，获得丰富的特征信息，使得网络模型能够应对跨摄像头视频监控下不同姿态的车型识别，有效地提高细粒度车型识别的准确率。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.054 秒)
