一种基于双重注意力机制的行人重识别系统

    公开(公告)号:CN113392740A

    公开(公告)日:2021-09-14

    申请号:CN202110618743.5

    申请日:2021-06-03

    申请人: 吉林大学

    IPC分类号: G06K9/00 G06K9/62 G06N3/04

    摘要: 本发明属于图像处理技术领域,具体涉及一种基于双重注意力机制的行人重识别系统;在strongbaseline网络中引入注意力机制,包含通道注意力机制和空间注意力机制,其中通道注意力机制可以通过空间维度上进行压缩促进模型以专注于关键通道;空间注意力机制可以通过聚合所有通道的类似特征来突出语义像素;注意机制的本质是强调对学习目标有用的重要位置,并通过将权重系数分配给图像特征信息来抑制无关信息;将注意力机制插入到人员重识别模型中,减小相机角度、身体姿势的变化、身体未对齐和图片多样化等问题,在不显著增加计算量和参数量的前提下能提升网络模型的特征提取能力,提升网络性能。

    一种基于机器学习的振幅整合脑电图分类识读系统

    公开(公告)号:CN112244871A

    公开(公告)日:2021-01-22

    申请号:CN202011020143.0

    申请日:2020-09-25

    申请人: 吉林大学

    IPC分类号: A61B5/369 A61B5/00

    摘要: 本发明属于机器学习技术领域,具体涉及一种基于机器学习的振幅整合脑电图分类识读系统,包括数据采集处理模块、特征提取模块和分类模块,其中数据采集处理模块用于采集并处理脑功能监护仪输出的振幅整合脑电图文本数据,特征提取模块用于提取振幅整合脑电图的幅度特征和非线性特征;分类模块采用随机森林分类模型对特征提取模块中提取出的幅度特征和非线性特征进行正异常判定,对随机森林分类模型中决策树的分类结果进行投票,投票次数最多的类型为最终判断结果;本系统对整合脑电图进行分析,辅助临床医生准确高效完成aEEG判定,尽早检查出患有癫痫的新生儿并及时治疗,提高准确率及判断精度。

    一种基于双重注意力机制的行人重识别系统

    公开(公告)号:CN113392740B

    公开(公告)日:2022-06-28

    申请号:CN202110618743.5

    申请日:2021-06-03

    申请人: 吉林大学

    摘要: 本发明属于图像处理技术领域,具体涉及一种基于双重注意力机制的行人重识别系统;在strongbaseline网络中引入注意力机制,包含通道注意力机制和空间注意力机制,其中通道注意力机制可以通过空间维度上进行压缩促进模型以专注于关键通道;空间注意力机制可以通过聚合所有通道的类似特征来突出语义像素;注意机制的本质是强调对学习目标有用的重要位置,并通过将权重系数分配给图像特征信息来抑制无关信息;将注意力机制插入到人员重识别模型中,减小相机角度、身体姿势的变化、身体未对齐和图片多样化等问题,在不显著增加计算量和参数量的前提下能提升网络模型的特征提取能力,提升网络性能。