-
公开(公告)号：CN117635963A
公开(公告)日：2024-03-01
申请号：CN202311654624.0
申请日：2023-12-05
申请人： 重庆师范大学
摘要： 本发明属于计算机视觉、深度学习领域，具体涉及一种基于邻域保持Transformer的特征提取方法，包括：获取图像数据集，并对图像进行预处理；构建邻接矩阵，计算样本点之间的权重大小；建立图像特征提取模型；将预处理后的数据输入模型的编码器中进行特征提取，得到低维表征数据；将低维表征数据输入到解码器中进行解码升维，得到重建图像；对图像特征提取模型进行迭代训练；训练后的编码器处理得到的数据作为图像特征提取后的低维有效表征。本发明通过最小化数据之间的误差，保留了图像重要信息的同时降低了图像冗余信息；通过引入多头注意力机制，能够获取到图像的全局信息，在对复杂像素和带掩码的图像进行处理时具有很好的效果。
-
公开(公告)号：CN116563664A
公开(公告)日：2023-08-08
申请号：CN202310432542.5
申请日：2023-04-20
申请人： 重庆师范大学
IPC分类号： G06V10/774 , G06V10/764 , G06F17/16 , G06N20/20
摘要： 本发明属于图像识别领域，具体涉及一种基于自编码邻域保持嵌入算法的图像识别方法；包括采用邻域保持嵌入算法获取从高维空间到低维空间的降维目标函数；获取从低维空间到高维空间的自编码重构目标函数；结合降维目标函数和重构目标函数构建自编码邻域保持嵌入算法的目标函数；根据目标函数采用梯度下降法求解最优映射矩阵；采用最优映射矩阵将训练集和测试集映射到低维空间；通过最近邻分类方法和映射到低维空间中的训练集将映射到低维空间测试集中每一个测试样本进行预测分类标签；本发明双向考虑了高维空间与低维空间之间的映射，使该映射得到的低维空间能够更好的代表原始高维空间，保留原始空间的更多结构，获得更好的识别率。
-
公开(公告)号：CN116524538A
公开(公告)日：2023-08-01
申请号：CN202310474095.X
申请日：2023-04-27
申请人： 重庆师范大学
IPC分类号： G06V40/10 , G06V10/774 , G06V10/40 , G06V10/75
摘要： 本发明属于计算机视觉领域，具体涉及一种基于多尺度深度特征匹配的域泛化行人重识别方法；该方法包括：获取训练图像数据并将其划分为图库图像和查询图像；对图库图像和查询图像分别进行特征提取，得到第一图库特征和第一查询特征；采用风格归一化模块分别对第一图库特征和第一查询特征进行处理，得到第二图库特征和第二查询特征；将第二图库特征和第二查询特征输入到多尺度特征匹配器中进行处理，得到训练图像数据识别结果；计算模型总损失并根据总损失调整模型参数，得到训练好的基于多尺度深度特征匹配的域泛化行人重识别模型；本发明引入多尺度特征匹配机制，匹配置信度和准确率均有明显提升。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
