-
公开(公告)号：CN118351473A
公开(公告)日：2024-07-16
申请号：CN202410471034.2
申请日：2024-04-18
申请人： 安徽师范大学
IPC分类号： G06V20/40 , G06V20/52 , G06V10/82 , G06N3/0464 , G06V10/774 , G06V10/40
摘要： 本发明提供跨昼夜的车辆重识别方法及系统，方法包括：获取一辆车的日间图像和夜间图像，将其作为输入传入网络；提出了夜间图像眩光抑制模块NGS来提取车辆外观的特征张量并抑制夜晚车灯产生的眩光；又引入双域结构增强DSE模块用来聚合来自局部窗口的梯度并且捕获不同的结构表示；在DSE模块后，设计跨域类感知CCA模块，使得DSE和CCA模块之间相互协作，用于增强外观和结构表示，使其能够跨越整个骨干网络，在骨干网络的各个阶段都能够有效利用；骨干网络专门使用ResNet‑50进行车辆外观表示，并使用交叉熵损失和三元组损失进行监督。本发明解决了未充分挖掘白天与夜晚车辆图像的潜在关系，导致识别获取的昼夜车辆特征差异较大的技术问题。
-
公开(公告)号：CN118520416A
公开(公告)日：2024-08-20
申请号：CN202410673289.7
申请日：2024-05-28
申请人： 安徽师范大学
摘要： 本发明公开了一种基于特征信息聚合的过采样，包括首先对特征进行划分，通过计算划分区间内的多数类和少数类的特征密度，来确定合适的生成特征的区间，区间的大小由该特征的标准差和特征重要性共同决定，然后在选定的区间内生成服从高斯分布的特征值，对数据集中的每个特征都重复以上操作，最后随机组合不同维度的新生成的特征合成少数类数据。该方法充分利用特征自身携带的信息合成有利于分类的少数类数据。在合成新的少数类数据的过程中，充分考虑特征重要性等信息，有效的提升了生成数据的质量，提高了后续的分类性能；基于不同的基准数据集和一些经典的以及最先进的数据级参考算法，对所提出的方法进行了彻底的实验评估，验证了所提方法的有效性。
-
公开(公告)号：CN117710888A
公开(公告)日：2024-03-15
申请号：CN202311727984.9
申请日：2023-12-14
申请人： 安徽师范大学
摘要： 本发明公开了一种遮挡行人再识别方法及系统，方法包括：获取原始遮挡行人图像数据，构建遮挡数据集并进行数据预处理；获取粗粒度全局特征，感知行人的全局信息；实现遮挡行人图像中有效行人区域的定位；捕获行人的鉴别性全局特征；获取局部特征结构关系，提取到行人判别性局部信息；构建粗粒度全局特征、鉴别性全局特征以及局部特征结构关系对应的分支网络的损失函数，然后对行人的粗粒度全局特征、鉴别性全局特征以及局部特征结构关系进行联合训练，利用训练好的网络结构进行遮挡行人再识别；本发明的优点在于：提高遮挡环境下的行人识别精准性。
-
公开(公告)号：CN116385981A
公开(公告)日：2023-07-04
申请号：CN202310260112.X
申请日：2023-03-14
申请人： 安徽师范大学
IPC分类号： G06V20/54 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种相机拓扑图引导的车辆重识别方法及装置，所述方法包括：构建训练集，获取车辆特征表示；基于车辆特征表示构建相机拓扑图；基于相机拓扑图构建任意两个车辆的特征表示之间的拓扑关系并输入图卷积网络，获取最终的聚合特征；将最终的聚合特征与车辆特征表示进行融合，融合的结果输入到全连接层进行类预测；构建目标损失函数，对图卷积网络进行训练，直到目标损失函数值最小时停止训练，得到训练好的图卷积网络；利用训练好的图卷积网络进行车辆重识别；本发明的优点在于：提高重识别的准确性。
-
-
-
搜索结果
4 条记录 (耗时 0.025 秒)
