一种用于施工现场非法人员检测的方法

    公开(公告)号:CN117612208A

    公开(公告)日:2024-02-27

    申请号:CN202311644830.3

    申请日:2023-12-01

    摘要: 本发明提供了一种用于施工现场非法人员检测的方法,包括收集可见光人员图像作为可见光域训练图像,收集红外人员图像作为红外域训练图像;构建跨模态非法人员检测子网络分别提取可见光图像和红外图像的人员模态共有特征;构建基于知识与经验的Transformer,利用知识模块存储训练集中提取的人员模态共有特征以获取模型的记忆特征,利用推理模块从模型的知识与经验中挖掘出更多人员相关的特征;融合跨模态非法人员检测子网络提取的模态共有特征和从模型知识与经验中挖掘出的人员特征,增强人员特征的辨别力。本发明有效增强了人员特征的辨别力,极大提高了检测精度,使得无论白天还是黑夜都能取得很好的效果。

    一种基于特征先校正再融合的多模态显著性目标检测方法

    公开(公告)号:CN116363468A

    公开(公告)日:2023-06-30

    申请号:CN202310320455.0

    申请日:2023-03-27

    摘要: 本发明公开了一种基于特征先校正再融合的多模态显著性目标检测方法,包括两步样本选择策略获取高质量且与可见光图像前景对齐的深度图像作为可见光图像生成深度图像网络的训练目标,送入可见光图像生成深度图像网络获取高质量伪深度图像;深度特征校正模块对原始深度图像进行校正获得校正后的深度特征;多模态多尺度融合模块对提取的可见光图像特征和得到校正的深度图像特征进行跨模态融合充分挖掘两种模态的互补特征;采用浅层特征注入模块将浅层细节信息补充到深层特征获得更加具有辨别力的特征;具有辨别力的跨模态特征预测最终显著性图,获得显著性预测图;采用监督学习模型得到网络模型参数,获得完整且精细的显著性预测图。