-
公开(公告)号:CN117575915B
公开(公告)日:2024-07-23
申请号:CN202410056441.7
申请日:2024-01-16
申请人: 闽南师范大学
IPC分类号: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/08
摘要: 本发明涉及一种图像超分辨率重建方法、终端设备及存储介质,该方法中包括:构建图像超分辨率重建模型,通过训练集对模型进行训练后,用于图像的超分辨率重建;模型的网络结构依次包括浅层特征提取模块、深层特征提取模块和上采样模块;深层特征提取模块由若干个增强型Swin Transformer模块组成,特征在其中交替进行局部特征提取与全局特征提取;提取的全局特征为使用块稀疏全局感知模块、窗口多尺度自注意力和低参数残差通道注意力模块提取的通道注意力特征。本发明提高了模型的长距离建模能力,且使模型能够利用不同层次局部信息。
-
公开(公告)号:CN116993782A
公开(公告)日:2023-11-03
申请号:CN202311043712.7
申请日:2023-08-18
申请人: 闽南师范大学
IPC分类号: G06T7/246 , G06V10/766 , G06V10/82
摘要: 本发明涉及一种基于非对称背景感知的目标跟踪方法、设备及介质,该方法中,首先,以目标的颜色似然概率感知目标的轮廓信息,提出有别于传统相关滤波规则采样框架的非对称采样框架,进一步提高背景和目标样本的区分度;其次,在相关滤波框架中引入深度神经网络提取目标的深度特征,并为各特征通道自适应分配通道权重,以此压制受类内干扰物对跟踪的负面影响;最后,构建了多模态模板池以评价每帧最优候选样本,既充分挖掘目标的多样性,解决了遮挡、剧烈运动等场景中无效外观变化引起的跟踪漂移和失效问题。本发明解决了现有技术中相关滤波存在的问题,提高了目标跟踪的准确性。
-