基于视觉表征跨传感器不变性的车辆重识别方法

    公开(公告)号:CN113792686B

    公开(公告)日:2023-12-08

    申请号:CN202111096413.0

    申请日:2021-09-17

    Abstract: 本发明公开了基于视觉表征跨传感器不变性的车辆重识别方法,包括步骤:获取遥感图像,依次输入神经网络的第一卷积层、第二卷积层、关系感知的全局注意力模块、第三卷积层、关系感知的全局注意力模块和第四卷积层;第四卷积层将处理结果依次输入关系感知的全局注意力模块、第五卷积层、关系感知的全局注意力模块和BNNECK,还依次输入全尺度模块、全尺度模块和BNNECK;本发明从局部和全局两个角度区分车辆,缓解视角变化带来的影响,获取判别性更高的局部特征;全尺度分支通过四个不同大小的感受野对不同尺度的特征进行融合,获取判别性最高的特征组合,本发明在数据集上取得了令人满(56)对比文件Mingming Lu 等.Vehicle Re-Identification Based on UAV Viewpoint:Dataset and Method《.remote sensing》.2022,第14卷(第18期),1-18.Shangzhi Teng 等.Viewpoint and ScaleConsistency Reinforcement for UAV VehicleRe-Identification《.International Journalof Computer Vision》.2020,第129卷719-735.Su V. Huynh 等.A Strong Baseline forVehicle Re-Identification《.arxiv:2104.10850》.2021,1-8.窦鑫泽 等.基于高置信局部特征的车辆重识别优化算法《.北京航空航天大学学报》.2020,第46卷(第09期),1650-1659.

    一种工业零件尺寸智能测量方法及测量系统

    公开(公告)号:CN119540218A

    公开(公告)日:2025-02-28

    申请号:CN202411825777.1

    申请日:2024-12-12

    Applicant: 中南大学

    Abstract: 本发明涉及零件尺寸测量技术领域,公开了一种工业零件尺寸智能测量方法及测量系统,包括:获取待测零件的实时图像,并基于实时图像确定待测零件的正视图和俯视图;基于正视图和俯视图确定待测零件的零件类别,并在正视图中确定正视图感兴趣区域,在俯视图中确定俯视图感兴趣区域;基于正视图感兴趣区域提取正视图零件轮廓,基于俯视图感兴趣区域提取俯视图零件轮廓;根据正视图零件轮廓和零件类别计算待测零件的零件高度和参考高度,并将俯视图零件轮廓结合零件类别和参考高度计算待测零件的零件长度和零件宽度;将零件高度、零件长度和零件宽度作为待测零件的尺寸信息;本发明解决了机器视觉方法在测量具有曲面的工业零件时测量误差大的问题。

    一种基于谱域图神经网络的宽带链路流量预测方法及系统

    公开(公告)号:CN118984304A

    公开(公告)日:2024-11-19

    申请号:CN202411264709.2

    申请日:2024-09-10

    Applicant: 中南大学

    Abstract: 本发明涉及网络流量预测技术领域,特别是一种基于谱域图神经网络的宽带链路流量预测方法及系统,所述方法分为以下步骤:S1构建数据处理分析模块;S2构建基于谱域图神经网络的宽带链路流量预测模型;S3使用宽带链路时序流量数据进行模型训练和预测;本发明具有以下有益效果:本发明通过综合运用周期性异常处理机制和聚类分析技术,显著提升了数据处理的质量与效率;本发明关注到不同宽带链路之间的流量变化存在一定的相似性和关联性,采用了自注意力结构,显著增强了模型在捕捉复杂流量变化模式方面的能力,进一步提高了预测的准确性和可靠性;本发明引入了谱域图神经网络建模策略,显著增强了模型对流量变化不确定性的鲁棒性。

    基于视觉表征跨传感器不变性的车辆重识别方法

    公开(公告)号:CN113792686A

    公开(公告)日:2021-12-14

    申请号:CN202111096413.0

    申请日:2021-09-17

    Abstract: 本发明公开了基于视觉表征跨传感器不变性的车辆重识别方法,包括步骤:获取遥感图像,依次输入神经网络的第一卷积层、第二卷积层、关系感知的全局注意力模块、第三卷积层、关系感知的全局注意力模块和第四卷积层;第四卷积层将处理结果依次输入关系感知的全局注意力模块、第五卷积层、关系感知的全局注意力模块和BNNECK,还依次输入全尺度模块、全尺度模块和BNNECK;本发明从局部和全局两个角度区分车辆,缓解视角变化带来的影响,获取判别性更高的局部特征;全尺度分支通过四个不同大小的感受野对不同尺度的特征进行融合,获取判别性最高的特征组合,本发明在数据集上取得了令人满意的表现。

Patent Agency Ranking