“陈军如”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果7个，建议您升级VIP下载更多相关专利

[发明专利]基于卷积门控循环神经单元的视频目标检测方法-CN201910205419.3有效
发明人：韩红;李阳;岳欣;张照宇;陈军如;高鑫磊;范迎春;支涛 -专利权人：西安电子科技大学
申请日： 2019-03-18 - 公布日： 2022-12-06 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于卷积门控循环神经单元的视频目标检测方法，用视频数据时序上下文信息，解决了现有技术步骤繁琐和检测精度不高的问题。实现步骤：数据集处理和网络预训练；选取参考帧，基于当前帧特征估计参考帧特征；基于卷积门控循环神经单元的时序上下文特征学习；时序相关特征加权融合；目标候选框提取；目标分类和位置回归；训练得到视频目标检测网络模型；验证模型效果。本发明引入了当前帧估计参考帧的特征传播方式，建立当前帧与参考帧特征间的时序关系；用卷积门控循环神经单元，使当前帧具备参考帧信息，用加权融合方式增强当前帧特征质量。在时间开销不大情况下，提升了检测精度，降低了复杂度，可用于视频目标检测。
基于卷积门控循环神经单元视频目标检测方法

[发明专利]基于计算机视觉定位的增强现实实现方法-CN201811568227.0有效
发明人：韩红;高鑫磊;范迎春;陈军如;张照宇;李阳;岳欣;唐裕亮 -专利权人：西安电子科技大学
申请日： 2018-12-21 - 公布日： 2022-12-02 - 主分类号： G06T19/00 文献下载
摘要：本发明公开了一种基于计算机视觉定位的增强现实实现方法，该方法针对单目相机，其实现过程包括：首先，对所用相机进行离线标定；然后在相机拍摄图像上提取特征点，计算描述子，对提取到的特征点进行图像畸变矫正处理；再者，围绕图像特征点计算相机位姿；最后，将相机位姿输入三维引擎模块，在现实图像背景上叠加虚拟三维模型，实现了增强现实效果。本发明通过单目相机获取图像信息，围绕图像特征点计算相机位姿，降低了增强现实实现的复杂性，拓展了增强现实的应用范围。
基于计算机视觉定位增强现实实现方法

[发明专利]基于多层特征融合的视频目标检测方法-CN201910632493.3有效
发明人：韩红;岳欣;李阳;陈军如;张照宇;范迎春;高鑫磊;唐裕亮 -专利权人：厦门瞳景物联科技股份有限公司
申请日： 2019-07-13 - 公布日： 2022-05-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多层特征融合的视频目标检测方法，解决了现有检测方法未利用视频时序信息及检测效果差的问题，技术方案为：输入一帧视频图像作当前帧，在其前9帧中选一前帧图像，在后9帧中选一后帧图像；把三帧图像输入到改进卷积神经网络分别获取三个特征图；输入到采样网络，获得对前后帧特征图的采样图，依采样图计算前后帧特征图的采样系数；根据融合公式利用采样系数得到当前帧增强后的特征图，作为检测网络的输入，生成候选区域集，经分类和回归网络检测出最终的目标类别和位置。本发明使用了视频时序信息，模型复杂度小，参数量少，检测效果好，可用于交通监控，安保安防，目标识别等。
基于多层特征融合视频目标检测方法

[发明专利]基于混合卷积和注意力机制的视频分类方法-CN201811108706.4有效
发明人：韩红;张照宇;李阳;陈军如;高鑫磊;岳欣 -专利权人：西安电子科技大学
申请日： 2018-09-21 - 公布日： 2021-07-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于混合卷积和注意力机制的视频分类方法，解决了现有技术计算复杂、准确率低的问题。实现步骤为：选择视频分类数据集；对输入视频分段采样；预处理两个视频片段；构建混合卷积神经网络模型；在时序维度方向上得到视频混合卷积特征图；用注意力机制运算获取视频注意力特征图；获取视频注意力描述子；训练端到端的整个视频分类模型；测试待分类视频。本发明对不同视频片段直接获取混合卷积特征图，相比获取光流特征方法减少计算量并提高速度，引入不同视频片段之间的注意力机制，描述了不同视频片段之间的关系并提高准确率和鲁棒性，用于视频检索、视频标签、人机交互、行为识别、事件检测和异常检测等任务。
基于混合卷积注意力机制视频分类方法

[发明专利]目标对象识别方法、装置和电子系统-CN202011143453.1在审
发明人： 陈军如;姚皓天 -专利权人：北京迈格威科技有限公司
申请日： 2020-10-22 - 公布日： 2021-02-26 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种目标对象识别方法、装置和电子系统，涉及图像处理技术领域，该方法包括：获取待识别的视频帧序列中同一目标对象的检测框集合和检测框集合中每个检测框的图像质量分值；基于每个检测框的图像质量分值，从检测框集合中选择第一检测框和第二检测框；基于第一检测框的第一检索特征向量、第一检测框的第一跟踪特征向量和第二检测框的第二跟踪特征向量确定第二检测框的第二检索特征向量；融合第一检索特征向量和第二检索特征向量，得到同一目标对象的最优特征向量；基于最优特征向量和预存的目标对象底库确定同一目标对象的识别结果。本发明缓解了CNN网络提取到的特征泛化能力较差的问题，提升目标对象的检索准确率。
目标对象识别方法装置电子系统

[发明专利]用于非机动车的重识别的方法、装置及计算机存储介质-CN201911358617.X在审
发明人： 陈军如 -专利权人：北京迈格威科技有限公司
申请日： 2019-12-25 - 公布日： 2020-05-22 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种用于非机动车的重识别的方法、装置及计算机存储介质。该方法包括：确定待检测图片中的非机动车图片和驾驶员图片；确定所述非机动车图片的第一特征向量以及所述驾驶员图片的第二特征向量；将所述第一特征向量与所述第二特征向量进行融合，得到所述待检测图片的特征向量；通过将所述特征向量与数据库中的图片特征向量进行比对，得到重识别的结果。由此可见，本发明实施例在对非机动车进行重识别时，同时考虑了该非机动车上的驾驶员的特征向量，使得得到的非机动车所在的图片的特征向量更加准确，进而能够保证得到的重识别结果更加可靠。
用于非机动车识别方法装置计算机存储介质

[发明专利]基于自适应特征聚类和多重损失融合的行人重识别方法-CN201910205489.9在审
发明人：韩红;陈军如;岳欣;张照宇;李阳;高鑫磊 -专利权人：西安电子科技大学
申请日： 2019-03-18 - 公布日： 2019-06-21 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于残差网的自适应特征聚类和多重损失融合的行人重识别方法，用于解决现有技术中行人重识别准确率低的技术问题，实现步骤为：构建基于50层残差网的自适应特征聚类网络；设计自适应特征聚类网络的损失函数；生成训练数据集和测试数据集；将训练数据集载入自适应特征聚类网络，结合数据增强策略，训练得到训练好的自适应特征聚类网络；对测试数据集进行测试。利用自适应特征聚类网络学习到了更具语义性的高层特征，并将其与中层特征相结合，得到了更全面的行人特征，使行人重识别达到较高的精度。
特征聚类自适应测试数据集训练数据集残差网络高层特征数据增强损失函数网络学习语义性融合准确率构建载入中层测试

1
共 7 条