公开(公告)号：CN114821631B

公开(公告)日：2025-04-11

申请号：CN202210226785.9

申请日：2022-03-09

Applicant: 哈尔滨理工大学

Inventor： 孙晓明 ,  段彦 ,  陈言 ,  王永亮 ,  张微风

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明基于注意力机制与多尺度特征融合的行人特征提取方法属于计算机视觉、机器视觉和深度学习技术领域；该方法依次执行以下步骤：构建自上而下渐进式交互模块；构建M‑Convolution注意力机制模块；设置评价指标；评价行人特征提取方法的有效性；本发明在数据集上通过Resnet50+FPN、Resnet50+FPN+M‑convolution、Resnet50+MPN三种行人特征提取方法进行训练，经过对比mAP、Rank‑1和Rank‑5三个衡量指标，本发明构建的两个模块在三个指标上的表现均有不同程度的提高，验证了基于注意力机制与多尺度特征融合的行人特征提取方法的有效性，具有较大的实用价值。

公开(公告)号：CN114821631A

公开(公告)日：2022-07-29

申请号：CN202210226785.9

申请日：2022-03-09

Applicant: 哈尔滨理工大学

Inventor： 孙晓明 ,  段彦 ,  陈言 ,  王永亮 ,  张微风

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明基于注意力机制与多尺度特征融合的行人特征提取方法属于计算机视觉、机器视觉和深度学习技术领域；该方法依次执行以下步骤：构建自上而下渐进式交互模块；构建M‑Convolution注意力机制模块；设置评价指标；评价行人特征提取方法的有效性；本发明在数据集上通过Resnet50+FPN、Resnet50+FPN+M‑convolution、Resnet50+MPN三种行人特征提取方法进行训练，经过对比mAP、Rank‑1和Rank‑5三个衡量指标，本发明构建的两个模块在三个指标上的表现均有不同程度的提高，验证了基于注意力机制与多尺度特征融合的行人特征提取方法的有效性，具有较大的实用价值。

公开(公告)号：CN114548260A

公开(公告)日：2022-05-27

申请号：CN202210152900.2

申请日：2022-02-18

Applicant: 哈尔滨理工大学

Inventor： 孙晓明 ,  陈言 ,  段彦 ,  王永亮 ,  吴晨旭

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/56 ,  G06V10/80

Abstract: 本发明一种基于深度学习的车辆重识别方法属于图像识别、深度学习技术领域；该方法首先对目标车辆图片与采集到的车辆图片进行提取HSV空间下的颜色特征和提取RGB图像多维度特征，然后对二者进行级联得到最终的特征，从而从采集到的车辆图片中筛选出与目标车辆图片相同类别的图片；然后把目标车辆图片与筛选出来的图片再进行特征提取，获取到高维特征，之后以特征集中相同类别的特征为基础，对此特征进行相似DC模块处理和差异DC模块处理，将处理之后的两特征融合为新的特征，最后根据新特征判断其与目标车辆图片是否为同一辆车。实验证明，该方法能够提高重识别的准确率和速度。

公开(公告)号：CN116797473A

公开(公告)日：2023-09-22

申请号：CN202310344272.2

申请日：2023-04-02

Applicant: 哈尔滨理工大学

Inventor： 孙晓明 ,  张钧凯 ,  段彦 ,  陈言 ,  王永亮

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了图像处理技术领域的一种基于注意力机制的深度学习图像去雾方法，包括以下步骤：S1：从数据集RESIDE中获取待处理有雾图像样本；S2：构建包括多注意力融合模块的图像去雾网络模型；S3：将待处理有雾图像样本输进包括多注意力融合模块的图像去雾网络模型络，加载训练好的样本参数后，输出清晰的图像；融合了空间注意力、通道注意力和像素注意力机制的多注意力融合模块，取得了较好的去雾效果；产生的去雾结果比较自然，且鲁棒性强，适用范围广，可同时应用于室内和自然场景的去雾中，不需要后处理步骤。