公开(公告)号：CN117975003A

公开(公告)日：2024-05-03

申请号：CN202410095680.3

申请日：2024-01-23

申请人： 山东大学

发明人： 陈振学 ,  朱鑫铭 ,  刘成云 ,  毕钰 ,  苏婷婷

IPC分类号： G06V10/26 ,  G06V20/10 ,  G06V20/70 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了一种基于轻量级网络的场景分割方法及系统，属于场景分割技术领域。包括获取道路场景图像；将道路场景图像输入训练好的轻量级网络进行场景分割，获取预测输出图；轻量级网络的训练过程包括：将训练集划分为支持集和查询集，输入编码器，通过参数固定的骨干网络，采用卷积操作进行特征提取，获取中级特征和高级特征，生成原型向量，构建先验掩码；将先验掩码、原型向量和中级特征拼接，并进行空洞卷积，获取特征融合图；在解码阶段结合transformer、卷积和双线性差值还原输入图像的信息，获取预测输出图；通过DICE损失函数优化轻量级网络。能够兼顾实时性和准确性，解决了现有复杂场景分割精度低，计算资源紧张、训练时间长的问题。

公开(公告)号：CN118072387A

公开(公告)日：2024-05-24

申请号：CN202410189194.8

申请日：2024-02-20

申请人： 山东大学

发明人： 陈振学 ,  梁田 ,  刘成云 ,  朱鑫铭 ,  毕钰 ,  卢丹

IPC分类号： G06V40/20 ,  G06V10/28 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提出了一种基于自适应特征融合的步态识别方法及系统，涉及计算机视觉、模式识别与数字图像处理领域，具体方案包括：获取待识别人员的步态图像序列；将预处理后的步态图像序列作为输入，利用训练好的步态识别模型，提取步态特征，并通过步态特征的匹配得到步态识别结果；步态识别模型，通过自适应特征融合方法自适应地结合全局特征来补偿局部特征因局部卷积造成的信息损失，得到初始步态特征，对初始步态特征在通道维度上进行扩张，并再次平衡全局信息与局部信息，生成最终的步态特征；本发明将自适应特征融合与深度卷积模块结合起来，通过全局特征和局部特征的自适应融合，提取更加完整且更好地表达人员身份的步态特征。

公开(公告)号：CN117994497A

公开(公告)日：2024-05-07

申请号：CN202410081833.9

申请日：2024-01-19

申请人： 山东大学

发明人： 陈振学 ,  毕钰 ,  刘成云 ,  朱鑫铭 ,  孙露娜

IPC分类号： G06V10/25 ,  G06V10/44 ,  G06V10/82 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/098 ,  G06N3/09

摘要： 本发明公开了图像显著性目标检测方法、系统、设备及介质；其中方法包括：获取待检测图像；将待检测图像输入到训练后的图像显著性目标检测模型中，得到显著性目标检测结果；其中，训练后的显著性目标检测模型，用于：对待检测图像进行特征提取；对骨干网络的每一层提取的特征进行多感受野特征学习，并对不同感受野的特征进行融合；对融合的特征进行上下文学习，使每一层的输出特征通过采样操作，与其上下层输出特征进行交互聚合，输出显著性目标检测结果。本发明促进了在特征提取过程中低级和高级特征之间的交互，学习上下文特征，将各个层的独立的特征连接成一个连续的整体，增强特征提取的持续性和完整性。