-
公开(公告)号：CN112308013A
公开(公告)日：2021-02-02
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
公开(公告)号：CN112308013B
公开(公告)日：2023-03-31
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
公开(公告)号：CN112270381B
公开(公告)日：2022-06-03
申请号：CN202011279131.X
申请日：2020-11-16
Applicant: 电子科技大学
IPC: G06K9/62 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人流量检测方法，涉及人工智能技术领域。本发明使用的轻量级神经网络模型，与主流的卷积神经网络相比，通过深度可分离卷积将标准卷积核进行分解，减少了计算量，加速了计算，具有优良的性能，在保持传统模型性能的前提下，能降低模型大小同时提升速度；克服了模型过于庞大面临的内存不足的缺点，适用于移动端或嵌入式芯片的部署。本发明实现的视频监控下的人流量检测方法，基于该轻量级网络模型框架，自制实用型数据集，适用于特殊场景，如婴儿车数量多、行人移动速度慢的公园、文化广场；在如传染病疫情期间的特殊时期，能够及时计算人流量并疏散过密人群，加强对人们，特别是对婴幼儿的防护。
-
公开(公告)号：CN112270381A
公开(公告)日：2021-01-26
申请号：CN202011279131.X
申请日：2020-11-16
Applicant: 电子科技大学
IPC: G06K9/62 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人流量检测方法，涉及人工智能技术领域。本发明使用的轻量级神经网络模型，与主流的卷积神经网络相比，通过深度可分离卷积将标准卷积核进行分解，减少了计算量，加速了计算，具有优良的性能，在保持传统模型性能的前提下，能降低模型大小同时提升速度；克服了模型过于庞大面临的内存不足的缺点，适用于移动端或嵌入式芯片的部署。本发明实现的视频监控下的人流量检测方法，基于该轻量级网络模型框架，自制实用型数据集，适用于特殊场景，如婴儿车数量多、行人移动速度慢的公园、文化广场；在如传染病疫情期间的特殊时期，能够及时计算人流量并疏散过密人群，加强对人们，特别是对婴幼儿的防护。
-
-
-
Search Results
4
records
(took 0.045 seconds)
