|
钻瓜专利网为您找到相关结果 46个,建议您 升级VIP下载更多相关专利
- [发明专利]一种基于朝向感知的行人属性表示与学习方法-CN202211616862.8在审
-
胡海苗;逯伟卿;于金佐;周亦博;曹雨然
-
北京航空航天大学
-
2022-12-15
-
2023-03-28
-
G06V40/10
- 本发明提供一种基于朝向感知的行人属性表示与学习方法,其中,该方法包括以下步骤:(A)以Swin Transformer神经网络提取图像特征,将特征图与特征部位进行关联,并将特征图转化为与属性具有强关联的属性特征向量;(B)根据(A)生成的属性特征向量,采用MEBOW模块,生成行人的朝向矢量;(C)根据(A)生成的属性特征向量,采用GradCAM方法生成所述行人结构化描述的类激活图,并根据(B)生成的行人的朝向矢量,采用LSTM模块计算空间注意力修正子;(D)根据(A)生成的属性特征向量,以self‑attention的方式计算并存储一个表征注意力分布的二维矩阵,并根据(B)生成的行人的朝向矢量,生成每个朝向的关系矩阵;(E)根据关系矩阵和属性特征向量,以图卷积的形式充分利用关系矩阵,进行属性推理预测;(F)将测试集输入到行人属性识别模型中进行识别,对实验结果进行评估。
- 一种基于朝向感知行人属性表示学习方法
- [发明专利]面向目标检测的图像清晰化处理方法-CN202210567780.2在审
-
胡海苗;赵子琛;黎世豪
-
北京航空航天大学
-
2022-05-23
-
2022-09-02
-
G06T5/00
- 一种面向目标检测的图像清晰化处理方法,包括:训练循环生成对抗网络,获得降质图像域到清晰图像域的生成器1(S1);从训练收敛的生成器中加载模型参数到新的生成器3,以带有目标标注信息的降质图像和清晰图像样本数据训练生成对抗网络,获得生成器(S2),其中通过检测器的检测损失和检测器提取特征的对抗损失对生成器模型参数进行约束,实现目标语义层面的域迁移,通过颜色、散射、梯度等底层视觉特征的损失,对生成器模型参数进行约束,实现降质图像底层视觉特征的还原。本发明不仅提高图像视觉质量,也对后续的目标检测算法性能有显著提升,可作为视频监控系统的预处理插件,为后续目标检测算法提供清晰化图像作为输入。
- 面向目标检测图像清晰处理方法
- [发明专利]结合时空运动的多目标跟踪方法-CN202110015479.6有效
-
胡海苗;吴卉妍;辛明;刘偲;李波
-
北京航空航天大学
-
2021-01-05
-
2022-08-05
-
G06T7/246
- 随着日益增多的视频数据量,使用计算机视觉技术从视频中提取出有效的信息是一件亟待解决的事情,多目标跟踪是其中重要的一部分。为此,本发明提出了一种结合时空运动的多目标跟踪方法。首先是提出了基于目标间相对位置关系的时空运动模型,使用目标间的相对运动鲁棒地估计目标的位置,并使用GRU模型拟合目标间的相对运动,提高最终位置预测的准确率。然后是提出了基于目标历史跟踪状态的多阶段目标关联算法,首先关联历史关联结果较好的目标作为锚点,再基于锚点位置和相对运动模型估计剩余目标的位置,最后再将剩余的目标按照不同的跟踪状态依次进行关联。最后在测试数据上的跟踪结果表明,本发明提出的多目标跟踪算法具有明显的优势。
- 结合时空运动多目标跟踪方法
|