-
公开(公告)号：CN116824640B
公开(公告)日：2023-12-01
申请号：CN202311087438.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06V40/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06V10/82 , G06V20/40
Abstract: 本发明涉及计算机视觉技术领域，公开一种基于MT与三维残差网络的腿部识别方法、系统、介质和设备，包括：获取腿部姿态视频并进行数据预处理得到腿部姿态图像，分为训练集和测试集；构建神经网络识别模型，识别模型的主干网络为三维残差网络，三维残差网络用于提取图像特征并输入到全连接层中，识别模型的全连接层中引入水平特征提取模块对提取到的图像特征进行局部特征提取；通过平均教师架构训练识别模型，平均教师架构包括学生模型和教师模型；将测试集输入训练完成的神经网络识别模型得到腿部姿态的识别结果。本发明可以在有限的数据样本下提高复杂环境下的腿部姿态识别精度、提高泛化能力。
-
公开(公告)号：CN116824640A
公开(公告)日：2023-09-29
申请号：CN202311087438.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06V40/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06V10/82 , G06V20/40
Abstract: 本发明涉及计算机视觉技术领域，公开一种基于MT与三维残差网络的腿部识别方法、系统、介质和设备，包括：获取腿部姿态视频并进行数据预处理得到腿部姿态图像，分为训练集和测试集；构建神经网络识别模型，识别模型的主干网络为三维残差网络，三维残差网络用于提取图像特征并输入到全连接层中，识别模型的全连接层中引入水平特征提取模块对提取到的图像特征进行局部特征提取；通过平均教师架构训练识别模型，平均教师架构包括学生模型和教师模型；将测试集输入训练完成的神经网络识别模型得到腿部姿态的识别结果。本发明可以在有限的数据样本下提高复杂环境下的腿部姿态识别精度、提高泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118334364A
公开(公告)日：2024-07-12
申请号：CN202410769073.0
申请日：2024-06-14
Applicant: 江南大学
IPC: G06V10/40 , G06N3/0464 , G06N3/08 , G06T7/246 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明属于图像处理技术领域，涉及一种红外图像特征提取方法、装置及红外小目标跟踪方法，包括：将红外图像输入初始特征提取模块进行初步特征提取，输出初始特征图；将初始特征图输入至串联的四个深度特征提取模块，得到第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图；利用第一特征融合模块、第二特征融合模块和第三特征融合模块对第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图进行融合，基于各个特征融合模块的输出得到第一目标特征图、第二目标特征图和第三目标特征图。本申请提供能够充分提取红外图像中的小目标在不同空间分辨率下的细微特征，提高红外小目标在复杂背景下的定位和分割准确性。
-
公开(公告)号：CN116630373A
公开(公告)日：2023-08-22
申请号：CN202310886619.6
申请日：2023-07-19
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/764 , G06V10/766 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，提供了一种基于风格重校准和改进孪生网络的红外弱小目标跟踪方法。本发明通过侧窗滤波对图像进行处理，针对红外弱小目标自身无形状和弱小的特点，侧窗滤波能够实现保边降噪的效果，同时因为小目标能量弱，成像显得格外弱小，容易被杂波背景淹没，侧窗滤波能够突出小目标。在特征提取后将特征图载入非线性增强的多次项优化的SRM模块，使模型能够对于不可见的风格重新校准，并且能够通过降低对图像检测的损失来提升检测的性能。孪生网络RPN在选择anchor时，简化其选择过程，固定其比例大小，不进行多尺寸抉择，在目标提取时更能够覆盖目标的关键区域，对目标的检测效率高，减小检测的误差，提高实时性。
-
公开(公告)号：CN118334364B
公开(公告)日：2024-10-18
申请号：CN202410769073.0
申请日：2024-06-14
Applicant: 江南大学
IPC: G06V10/40 , G06N3/0464 , G06N3/08 , G06T7/246 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明属于图像处理技术领域，涉及一种红外图像特征提取方法、装置及红外小目标跟踪方法，包括：将红外图像输入初始特征提取模块进行初步特征提取，输出初始特征图；将初始特征图输入至串联的四个深度特征提取模块，得到第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图；利用第一特征融合模块、第二特征融合模块和第三特征融合模块对第一深度特征图、第二深度特征图、第三深度特征图和第四深度特征图进行融合，基于各个特征融合模块的输出得到第一目标特征图、第二目标特征图和第三目标特征图。本申请提供能够充分提取红外图像中的小目标在不同空间分辨率下的细微特征，提高红外小目标在复杂背景下的定位和分割准确性。
-
公开(公告)号：CN118212267A
公开(公告)日：2024-06-18
申请号：CN202410415615.4
申请日：2024-04-08
Applicant: 江南大学
Abstract: 本发明涉及一种特征增强的红外高光谱视频目标跟踪方法、系统和介质。本发明涉及数字图像处理技术领域，所述方法包括：提取原高维红外高光谱图像的信息熵最大的三个波段，从而对原始图进行了降维处理。然后，提取红外特征融合进原图像以实现红外高光谱图像的特征增强，使用融合红外特征的高光谱图像提取HOG特征和深度特征根据DCF框架制作跟踪器，对跟踪过程实现特征级融合和决策级融合,最终实现高光谱目标跟踪，可对复杂背景下高光谱图像序列中的目标实现快速有效的跟踪。
-
公开(公告)号：CN116630373B
公开(公告)日：2023-09-22
申请号：CN202310886619.6
申请日：2023-07-19
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/764 , G06V10/766 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，提供了一种基于风格重校准和改进孪生网络的红外弱小目标跟踪方法。本发明通过侧窗滤波对图像进行处理，针对红外弱小目标自身无形状和弱小的特点，侧窗滤波能够实现保边降噪的效果，同时因为小目标能量弱，成像显得格外弱小，容易被杂波背景淹没，侧窗滤波能够突出小目标。在特征提取后将特征图载入非线性增强的多次项优化的SRM模块，使模型能够对于不可见的风格重新校准，并且能够通过降低对图像检测的损失来提升检测的性能。孪生网络RPN在选择anchor时，简化其选择过程，固定其比例大小，不进行多尺寸抉择，在目标提取时更能够覆盖目标的关键区域，对目标的检测效率高，减小检测的误差，提高实时性。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
