|
|
钻瓜专利网为您找到相关结果 3635个，建议您 升级VIP下载更多相关专利
- [发明专利]一种基于时序注意力机制的行人视频描述算法-CN202311013538.1在审
-
张详云;朱艾春;胡方强
-
南京工业大学
-
2023-08-11
-
2023-10-27
-
G06V40/10
- 本文提出了一种提取视频时序特征并采用时序注意力机制的行人视频描述算法。本算法采用三维深度残差网络提取视频的时序特征，其中残差块的跳跃连接方法解决了神经网络梯度爆炸的问题，使该模型能够在较低的计算量下提取到更加细粒度的特征。本算法采用时序注意力机制进行描述的注意力分配和生成，循环注意力模块能够更好的完成注意力分配任务，更重要的是，在其中加入LSTM(Long Short‑Term Memory)门控机制就可以实现在提取注意力的同时不忽略时序信息，LSTM门的使用也很大程度的减少了计算量，使得循环过程更加高效。另外，采用滑动窗口注意力机制进行自注意力编码操作以及交叉注意力解码操作，可以防止词符过多，减少计算量。最后通过对比词符嵌入值的概率分布，即可生成描述。
- 一种基于时序注意力机制行人视频描述算法
- [发明专利]一种人体骨骼关键点的快速检测方法-CN202210323720.6在审
-
闫少甫
-
北京君正集成电路股份有限公司
-
2022-03-29
-
2023-10-27
-
G06V40/10
- 本发明提供一种人体骨骼关键点的快速检测方法，所述方法包括：S1.跳帧判断，根据判断结果选择执行S2或S3其中一个步骤；S2人形检测；S3.卡尔曼滤波预测、预测结果代替检测,基于检测到的前几帧或者前一帧来预测本次的检测结果；S4.人体骨骼关键点检测：该网络的输出结果是17个人体关键点位置的坐标信息：S5.参照人体关键点得到人体外接矩形框：根据检测到的人体骨骼关键点，找到这些点中坐标位置最左、最右、最上、最下的4个关键点，通过扩充一定比例，即可得到人体外接矩形框；S6.卡尔曼滤波更新：更新跟踪位置状态；S7.输出结果：获取最终跟踪框及检测检测，整合输出。提高检测速度，提升检测精度，优化检测准确性的同时提升效率，达到实时检测效果。
- 一种人体骨骼关键快速检测方法
- [发明专利]一种基于深度学习的高密度行人头部实时跟踪算法-CN202210335656.3在审
-
李呈祥;孟朝晖;韩朋
-
河海大学
-
2022-03-31
-
2023-10-27
-
G06V40/10
- 本发明提出了一种基于深度学习的高密度行人头部实时跟踪算法，涉及目标检测、目标跟踪以及行人重识别领域。该方法将研究拥挤场景下的行人头部跟踪，首先选取EPSA‑CenterNet作为目标检测器，融合了检测网络与特征提取网络并添加了ReID分支学习低维特征，通过Heat Map的Top k筛选特征信息后传入改进的DeepSort算法中。跟踪算法根据EPSA‑CenterNet检测器提取的表观特征与运动信息进行轨迹关联匹配。由于本发明考虑到拥挤场景下行人头部目标较小，所以对EPSA‑CenterNet检测网络进行多尺度特征提取与增强并结合CS‑softmax改进ReID分支的分类损失函数，同时采用基于sigma点集的UKF‑DeepSort算法去替换原跟踪算法。最后为了实现实时性跟踪，优化网络采样层提高检测速度。最终所形成的新模型ESMOT有效地解决了拥挤场景中小目标跟踪与遮挡问题。
- 一种基于深度学习高密度行人头部实时跟踪算法
|
