-
公开(公告)号：CN104463912A
公开(公告)日：2015-03-25
申请号：CN201410785162.0
申请日：2014-12-16
申请人： 武汉大学
IPC分类号： G06T7/20
CPC分类号： G06T7/251 , G06T2207/10016
摘要： 本发明提出了一种基于簇相似的多尺度目标跟踪方法，本方法的外观模型使用改进的类哈尔特征表示，可以适应目标尺度变化.首先对目标周围进行滑动窗口稠密采样，依据采样半径将样本划分为目标簇和背景簇，定义了一种粒子与簇之间的距离度量，并定义它们之间的相似度与距离成反比.当新帧到来时，粒子通过运动模型运动，根据粒子与目标簇和背景簇的相似度对粒子评分，评分最高的粒子作为目标在该帧的位置；为了适应跟踪过程中目标和背景的变化，设计动态更新机制对目标簇和背景簇的统计特征更新.在每帧跟踪结束时，根据粒子的评分值赋予粒子新的权值，并根据该权值进行粒子重采样以防止粒子退化，本方法能够在复杂条件下实现对目标的鲁棒跟踪。
-
公开(公告)号：CN104200493A
公开(公告)日：2014-12-10
申请号：CN201410453726.0
申请日：2014-09-05
申请人： 武汉大学
IPC分类号： G06T7/20
摘要： 本发明公开了一种基于类相似性测量的实时目标跟踪算法，目标跟踪对实时性要求非常高，在目前主流的基于检测跟踪的框架下，根据测试样本与目标类和背景类的相似度比较来确定目标在新帧中的目标位置。本方法首先在当前帧采集目标类和背景类集合，计算出它们的统计特征，并在下一帧采集测试样本集合。本方法定义了一种计算测试样本与类之间相似度的量化标准，通过找出与目标类相似以及和背景类不相似的测试样本来确定目标位置。本方法明显提高了跟踪的实时性以及跟踪精度。
-
公开(公告)号：CN118917188A
公开(公告)日：2024-11-08
申请号：CN202410972518.5
申请日：2024-07-19
申请人： 武汉大学
IPC分类号： G06F30/27 , G01R31/26 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F119/02 , G06F119/04 , G06F123/02
摘要： 本申请属于电力电子可靠性技术领域，具体公开了一种基于CNN‑LST M模型的IGBT寿命预测方法及装置，其中方法包括：获取历史时间段内IGBT的关断峰值电压数据序列；对关断峰值电压数据序列进行预处理，预处理后输入至预先训练好的CNN‑LSTM模型，获取IGBT的关断峰值电压预测序列；基于关断峰值电压预测序列，预测IGBT的剩余使用寿命。本申请在IGBT寿命预测场景下，选定关断峰值电压作为IGBT的老化特征参数，选定CNN‑LSTM混合网络作为IGBT寿命预测网络，能够自动地从采集的关断峰值电压数据序列中进行特征提取，深度挖掘参数特征，从而得到高置信度的IGBT老化状态，对IGBT的剩余使用寿命进行预测，对IGBT功率模块以及整体系统的运行具有重要意义。
-
公开(公告)号：CN106815862B
公开(公告)日：2020-03-10
申请号：CN201710059757.1
申请日：2017-01-24
申请人： 武汉大学
IPC分类号： G06T7/246
摘要： 本发明涉及一种基于卷积轮廓特征的目标跟踪算法，本发明首先在第一帧采集目标的卷积轮廓特征用于构建目标外观摩模型。其次，使用粒子滤波算法在下一帧采集候选样本，并提取出候选样本的卷积轮廓特征。接着，使用已训练好的目标外观模型与候选样本特征进行比对。在进行目标相似性对比时,仅使用目标中比较明亮的部分，这种策略使得算法能够应对跟踪中常遇到的部分遮挡问题。最后，在每一帧跟踪结束时，使用新跟踪到的目标对外观模型进行更新，使得目标外观模型能够适应目标最新的变化。跟踪算法根据上述步骤迭代地对目标进行持续地跟踪。
-
公开(公告)号：CN110189358A
公开(公告)日：2019-08-30
申请号：CN201910375505.9
申请日：2019-05-07
申请人： 武汉大学
摘要： 本发明公开了一种基于协同特征学习的目标跟踪方法，改进了经典的粒子滤波框架，克服粒子退化和贫乏问题；通过不同的学习模式确定相应的特征学习方法，并将相应的特征进行协同学习，克服目标在时间和空间上极度相关的问题，得到具有强鉴别力的特征，用以表现目标模型；并在不同的学习模式中选择不同的模型更新策略自适应更新目标模型，从而提高目标跟踪的精度和鲁棒性。
-
公开(公告)号：CN108396020A
公开(公告)日：2018-08-14
申请号：CN201810107046.1
申请日：2018-02-02
申请人： 武汉大学
摘要： 本发明公开了USP2a的D357A或S207/225A突变体在抑制肿瘤转移中的应用，属于生物技术和医学领域。本发明发现了USP2a的D357A或S207/225A突变体蛋白，抑制TGFβ介导的上皮间质转化(EMT)过程，抑制肿瘤转移。本发明提供USP2a的D357A或S207/225A突变体蛋白在如下a)-f)至少一种中的应用：a)制备抑制肿瘤转移产品；b)制备抑制肿瘤细胞迁移产品；c)制备抑制肿瘤细胞侵袭能力产品；d)制备抑制于肿瘤转移相关的基因表达的产品；e)制备用于筛选治疗肿瘤转移药物的模型；f)制备抑制肿瘤转移的模型。
-
-
公开(公告)号：CN110189358B
公开(公告)日：2022-03-15
申请号：CN201910375505.9
申请日：2019-05-07
申请人： 武汉大学
摘要： 本发明公开了一种基于协同特征学习的目标跟踪方法，改进了经典的粒子滤波框架，克服粒子退化和贫乏问题；通过不同的学习模式确定相应的特征学习方法，并将相应的特征进行协同学习，克服目标在时间和空间上极度相关的问题，得到具有强鉴别力的特征，用以表现目标模型；并在不同的学习模式中选择不同的模型更新策略自适应更新目标模型，从而提高目标跟踪的精度和鲁棒性。
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.032 秒)
