-
公开(公告)号：CN116630369A
公开(公告)日：2023-08-22
申请号：CN202310156686.2
申请日：2023-02-23
申请人： 西安电子科技大学
摘要： 本发明公开基于时空记忆网络的无人机目标跟踪方法，包括以下步骤：步骤1，从数据集中采样图像并进行图像增强构成训练数据集；步骤2，创建基于时空记忆网络的无人机目标跟踪网络模型；步骤3，对基于时空记忆网络的无人机目标跟踪网络模型进行基于掩码重建的预训练；步骤4，对于步骤3预训练好的基于时空记忆网络无人机目标跟踪网络模型进行再训练；步骤5，将待跟踪视频输入到步骤4训练好的基于时空记忆网络的无人机目标跟踪网络模型，得到跟踪结果。该方法解决了无人机目标发生形变而导致的问题，提升了跟踪成功率和准确率。
-
公开(公告)号：CN115393396B
公开(公告)日：2024-02-02
申请号：CN202210994127.4
申请日：2022-08-18
申请人： 西安电子科技大学
IPC分类号： G06T7/246 , G06V10/764 , G06V10/774 , G06V10/82 , G06T7/11 , G06N3/0464 , G06N3/0455
摘要： 本发明公开一种基于掩码预训练的无人机目标跟踪方法，包括以下步骤：步骤1，从数据集中采样图像对并进行图像增强构成训练数据集；步骤2，创建基于掩码预训练的无人机目标跟踪网络模型；步骤3，对基于掩码预训练的无人机目标跟踪网络模型进行基于掩码重建的预训练；步骤4，对于步骤3预训练好的基于掩码预训练无人机目标跟踪网络模型，移除解码器和掩码重建任务后进行再训练；步骤5，将待跟踪视频输入到步骤4训练好的基于掩码预训练的无人机目标跟踪网络模型，得到跟踪结果。本发明能够在保持跟踪精度的同时降低模型复杂度，很好地提升跟踪(56)对比文件Kaiming He 等.Masked Autoencoders AreScalable Vision Learners.arXiv:2111.06377v3.2021,摘要，第1-6节.Zhan Tong 等.VideoMAE: MaskedAutoencoders are Data-Efficient Learnersfor Self-Supervised Video Pre-Training.arXiv:2203.12602v1.2022,摘要，第1-5节.
-
公开(公告)号：CN109785243A
公开(公告)日：2019-05-21
申请号：CN201811436463.7
申请日：2018-11-28
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明属于医学图像处理技术领域，公开了一种基于对抗生成网络未配准低剂量CT的去噪方法、计算机；包括获取LDCT和NDCT数据；分析数据，并按比例分为训练数据集和测试数据集；在TensorFlow中编程实现网络框架；读入数据并进行预处理，将图像大小调整相同；输入LDCT分别输入两个生成器中分别得到噪声和抑噪后的结果，将两者相加得到假的LDCT；利用两个判别器分别对抑噪后的结果和假的LDCT进行判别；通过生成结果和判别结果计算两个生成器和两个判别器的损失函数；通过优化算法优化网络，得到训练好参数的网络；在测试集上进行测试，得到LDCT抑噪结果。本发明可以用于未配对数据抑噪问题、配对数据的抑噪问题。
-
公开(公告)号：CN109785243B
公开(公告)日：2023-06-23
申请号：CN201811436463.7
申请日：2018-11-28
申请人： 西安电子科技大学
IPC分类号： G06T5/00
摘要： 本发明属于医学图像处理技术领域，公开了一种基于对抗生成网络未配准低剂量CT的去噪方法、计算机；包括获取LDCT和NDCT数据；分析数据，并按比例分为训练数据集和测试数据集；在TensorFlow中编程实现网络框架；读入数据并进行预处理，将图像大小调整相同；输入LDCT分别输入两个生成器中分别得到噪声和抑噪后的结果，将两者相加得到假的LDCT；利用两个判别器分别对抑噪后的结果和假的LDCT进行判别；通过生成结果和判别结果计算两个生成器和两个判别器的损失函数；通过优化算法优化网络，得到训练好参数的网络；在测试集上进行测试，得到LDCT抑噪结果。本发明可以用于未配对数据抑噪问题、配对数据的抑噪问题。
-
公开(公告)号：CN115393396A
公开(公告)日：2022-11-25
申请号：CN202210994127.4
申请日：2022-08-18
申请人： 西安电子科技大学
IPC分类号： G06T7/246 , G06V10/764 , G06V10/774 , G06V10/82 , G06T7/11 , G06N3/04 , G06N3/08
摘要： 本发明公开一种基于掩码预训练的无人机目标跟踪方法，包括以下步骤：步骤1，从数据集中采样图像对并进行图像增强构成训练数据集；步骤2，创建基于掩码预训练的无人机目标跟踪网络模型；步骤3，对基于掩码预训练的无人机目标跟踪网络模型进行基于掩码重建的预训练；步骤4，对于步骤3预训练好的基于掩码预训练无人机目标跟踪网络模型，移除解码器和掩码重建任务后进行再训练；步骤5，将待跟踪视频输入到步骤4训练好的基于掩码预训练的无人机目标跟踪网络模型，得到跟踪结果。本发明能够在保持跟踪精度的同时降低模型复杂度，很好地提升跟踪速度。
-
-
-
-
搜索结果
5 条记录 (耗时 0.024 秒)
