-
公开(公告)号:CN117079226A
公开(公告)日:2023-11-17
申请号:CN202311053491.1
申请日:2023-08-21
Applicant: 重庆交通大学
IPC: G06V20/54 , G06V20/40 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/048 , G06V10/764
Abstract: 本发明公开了一种基于多尺度注意力机制的车辆重识别方法,该方法借助注意力模块能帮助多尺度注意力预测模型聚焦于车辆图像中具有显著性信息的区域,即对车辆图像中重要的局部特征和全局特征进行加权,提高模型的性能和预测准确性。注意力机制的原理是对需要重点关注的信息区域分配较高的权重,对图像内不重要的信息分配较低的权重,并且注意力机制具有增强显著特征和抑制无关特征的特点。本发明的车辆重识别方法在对不同尺度图像进行特征提取时增加了注意力权重分配,从而得到车辆图像中更加显著的特征,利用这些特征可有效提高基于车辆外观图像的车辆重识别的精度。
-
公开(公告)号:CN112949682A
公开(公告)日:2021-06-11
申请号:CN202110112799.3
申请日:2021-01-27
Applicant: 重庆交通大学
Abstract: 本发明公开了一种特征级统计描述学习的SAR图像分类方法,包括:将目标SAR图像输入SAR图像分类网络;卷积层提取目标SAR图像的具有中层语义的特征基元;特征统计层基于具有中层语义的特征基元提取目标SAR图像的统计基元矢量;非线性及线性变换层基于统计基元矢量生成目标SAR图像的特征级统计描述矢量;Softmax层基于特征级统计描述矢量生成目标SAR图像的分类结果。相比于传统CNN方法,本发明不仅致力于SAR图像的结构特征学习,而且在特征学习过程中特别考虑了SAR图像的特征级统计特性,致力于集成特征学习和统计分析为一体,能够有效解决利用CNN方法进行SAR图像分类时泛化能力不足的问题。
-
公开(公告)号:CN119684889A
公开(公告)日:2025-03-25
申请号:CN202411850760.1
申请日:2024-12-16
Applicant: 重庆交通大学
IPC: C09D175/14 , C08G18/75 , C08G18/36 , C08G18/48 , C08G18/61 , C08G18/66 , C08G18/12 , C08G18/79 , C08G18/32
Abstract: 本发明公开了一种生物基自清洁协同修复功能的聚氨酯涂料及其制备方法,制备方法包括步骤:(1)取蓖麻油、聚丙二醇、聚二甲基硅氧烷二醇、异佛尔酮二异氰酸酯和二丁基锡二月桂酸酯在70~90℃条件下反应至体系中的理论NCO值时结束反应;(2)待步骤(1)反应结束后,加入2,2'‑二氨基二苯二硫醚和1,4‑丁二醇,使得聚氨酯分子链扩展延伸、支化交联;(3)加入封端剂乙醇胺,充分反应,得到预聚体A;(4)将预聚体A和六亚甲基二异氰酸酯三聚体混合均匀,加入丙酮调节体系黏度至能够均匀搅拌,得到所述涂料。本发明引入蓖麻油部分替代传统石油基多元醇与二异氰酸酯反应得到生物基聚氨酯涂层,兼具自清洁和修复功能。
-
公开(公告)号:CN117612030A
公开(公告)日:2024-02-27
申请号:CN202311787919.5
申请日:2023-12-22
Applicant: 重庆交通大学
IPC: G06V20/13 , G06V20/10 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于遥感图像处理技术领域,具体涉及基于特征不变正则约束的云遮挡遥感图像道路提取方法,包括以下步骤:S1、获取无云遥感影像数据集,所述无云遥感影响数据集包括多张无云遥感影像;S2、按照预设的云层模拟方法对云层进行模拟;S3、将模拟出的云层与无云遥感影像进行合成,生成云遮挡遥感影像;得到训练数据集;S4、构建遥感影像道路提取模型;S5、对遥感影像道路提取模型进行训练;进行训练时,通过特征不变正则约束使得约束后的特征矢量尽可能接近;S6、使用训练后的遥感影像道路提取模型进行道路提取。本方法可以增强遥感影像道路提取模型对于云遮挡扰动的鲁棒性,在有云及无云的情况下均能稳定准确的进行道路特征提取。
-
公开(公告)号:CN114820512A
公开(公告)日:2022-07-29
申请号:CN202210443050.1
申请日:2022-04-25
Applicant: 重庆交通大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于轻量级注意力机制的网状裂缝检测方法,包括如下步骤:1)采集并筛选桥梁表面图像的数据集,并对数据集进行预处理;2)将轻量级注意力机制引入U‑Net网络中,对网状裂缝信息进行加权,使得网络更加关注网状裂缝的像素信息;3)引入轻量级卷积模块,增加非线性因素,保持网络感受野和精确率的同时,减少计算成本量;4)引入池化叠加模块,减少网络的误差并叠加网状裂缝的像素信息,提升网状裂缝检测连续性。本发明能够快速、准确检测出道路、桥梁的网状裂缝情况。
-
公开(公告)号:CN112949682B
公开(公告)日:2022-05-20
申请号:CN202110112799.3
申请日:2021-01-27
Applicant: 重庆交通大学
IPC: G06K9/62 , G06V10/764 , G06V20/10
Abstract: 本发明公开了一种特征级统计描述学习的SAR图像分类方法,包括:将目标SAR图像输入SAR图像分类网络;卷积层提取目标SAR图像的具有中层语义的特征基元;特征统计层基于具有中层语义的特征基元提取目标SAR图像的统计基元矢量;非线性及线性变换层基于统计基元矢量生成目标SAR图像的特征级统计描述矢量;Softmax层基于特征级统计描述矢量生成目标SAR图像的分类结果。相比于传统CNN方法,本发明不仅致力于SAR图像的结构特征学习,而且在特征学习过程中特别考虑了SAR图像的特征级统计特性,致力于集成特征学习和统计分析为一体,能够有效解决利用CNN方法进行SAR图像分类时泛化能力不足的问题。
-
公开(公告)号:CN117173217A
公开(公告)日:2023-12-05
申请号:CN202311209862.0
申请日:2023-09-19
Applicant: 重庆交通大学
IPC: G06T7/246 , G06V10/44 , G06V10/80 , G06V10/82 , G06V20/40 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于计算机视觉中多目标跟踪技术领域,尤其涉及一种基于多尺度通道特征聚合的视频多目标跟踪方法。通过对多目标跟踪模块设置多尺度特征聚合模块,提高了模型对重要特征的关注度,在通过跟踪查询增强对目标运动建模能力的同时,有效提升模型对目标局部特征的关注能力,以此增强模型对频繁遮挡的鲁棒性,优化跟踪器性能。同时,特征更新模块可以基于当前帧目标查询向量记录并更新目标的特征表达,并将其传递到下一帧作为跟踪查询使用,以逐帧迭代的方式在时间序列上更新并传递目标的轨迹特征。本发明不仅能够建模图像特征的全局依赖性,而且通过通道特征的增强缓解了复杂遮挡和背景噪声问题,有效减少目标漏检和身份切换问题。
-
-
-
-
-
-