-
公开(公告)号：CN116612445B
公开(公告)日：2023-10-31
申请号：CN202310891062.5
申请日：2023-07-20
Applicant: 华侨大学
IPC: G06V20/54 , G06V10/762 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/82 , G06N3/088
Abstract: 本发明公开了一种基于自适应聚类和困难样本加权的无监督车辆再辨识方法，首先，利用当前聚类参数计算最合适的半径值，提升聚类伪标签对车辆样本噪声的鲁棒性；其次，记忆模块记录所有车辆样本特征向量，利用距离作为车辆样本困难程度加权依据，改善模型对困难车辆样本关注力不足的问题；最后，利用加权困难车辆样本结合对比学习方法训练车辆再辨识模型。本发明可广泛应用于智慧交通和智慧安防中的智能视频监控系统。
-
公开(公告)号：CN116596764B
公开(公告)日：2023-10-31
申请号：CN202310871402.8
申请日：2023-07-17
Applicant: 华侨大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明涉及图像处理技术领域，公开了一种基于Transformer与卷积交互的轻量级图像超分辨率方法，包括以下步骤：S1，构建跨通道Transformer模块与高效局部特征提取模块；S2，构建反转U型网络模块；S3，构建全局特征提炼模块；S4，将反转U型网络模块与全局特征提炼模块组合起来，构建基于Transformer与卷积交互的轻量级超分辨率网络；网络输入低分辨率图像，输出高分辨率的重建图像。本发明使用较少参数与计算量，同时拥有更优的重建效果；通过Transformer与卷积的交互，兼顾图像的全局与局部细节；反转U型网络模块先在编码器阶段将关键信息转移至特征图维度上，再在解码器阶段将关键信息返回至通道维度中，以实现低资源耗费来融合多阶段信息的目的。
-
公开(公告)号：CN116740142A
公开(公告)日：2023-09-12
申请号：CN202310741844.0
申请日：2023-06-21
Applicant: 华侨大学
Abstract: 本发明公开了一种轨迹注意力目标跟踪方法、装置及可读介质，通过特征提取网络分别对历史帧及其前景‑背景掩膜图和查询帧进行特征提取，得到历史特征图、前景‑背景掩膜特征图和查询特征图；空间注意力模块用于结合历史特征图、前景‑背景掩膜特征图和查询特征图匹配目标特征，并利用目标聚焦策略建立空间依赖关系，得到附有空间权重的历史特征图，时序注意力模块用于对时序交互后的时序响应图进行时序信息交互，得到时序交互后的时序响应图，通道融合模块用于对时序交互后的时序响应图与查询特征图进行融合，得到目标响应图；将目标响应图输入头网络预测得到目标的位置和边界框。本发明可避免空间冗余信息的干扰，有效提升辨别能力。
-
公开(公告)号：CN116596764A
公开(公告)日：2023-08-15
申请号：CN202310871402.8
申请日：2023-07-17
Applicant: 华侨大学
IPC: G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明涉及图像处理技术领域，公开了一种基于Transformer与卷积交互的轻量级图像超分辨率方法，包括以下步骤：S1，构建跨通道Transformer模块与高效局部特征提取模块；S2，构建反转U型网络模块；S3，构建全局特征提炼模块；S4，将反转U型网络模块与全局特征提炼模块组合起来，构建基于Transformer与卷积交互的轻量级超分辨率网络；网络输入低分辨率图像，输出高分辨率的重建图像。本发明使用较少参数与计算量，同时拥有更优的重建效果；通过Transformer与卷积的交互，兼顾图像的全局与局部细节；反转U型网络模块先在编码器阶段将关键信息转移至特征图维度上，再在解码器阶段将关键信息返回至通道维度中，以实现低资源耗费来融合多阶段信息的目的。
-
公开(公告)号：CN116416645A
公开(公告)日：2023-07-11
申请号：CN202310199941.1
申请日：2023-03-03
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司
IPC: G06V40/10 , G06V10/82 , G06N3/08 , G06V10/74 , G06N3/0464
Abstract: 本发明公开了一种基于双分支Transformer网络的属性与图像跨模态行人再辨识方法及装置，获取行人属性和行人图像，行人图像来自行人注册图像集；构建双分支Transformer网络，并对双分支Transformer网络训练，得到属性与图像跨模态行人再辨识模型，双分支Transformer网络包括同型的属性Transformer分支和图像Transformer分支；将行人属性和行人图像输入属性与图像跨模态行人再辨识模型，分别通过属性Transformer分支和图像Transformer分支提取得到属性特征和图像特征；将属性特征与图像特征进行相似度比对，得到行人属性对应的再辨识结果。属性Transformer分支和图像Transformer分支都属于同型的Transformer结构，有利于控制文本属性和行人图像在特征空间中的模态异质性问题，从而提升属性‑图像跨模态行人再辨识准确性。
-
Patent Agency Ranking
公开(公告)号：CN110072113B
公开(公告)日：2023-03-10
申请号：CN201910414604.3
申请日：2019-05-17
Applicant: 华侨大学
IPC: H04N19/597 , H04N19/109 , H04N19/503 , H04N13/161
Abstract: 本发明涉及一种基于贝叶斯决策的3D‑HEVC深度图帧间快速算法，属于视频编码领域，本方法包括CU尺寸判决和模式快速选择。首先，提取当前CU划分或者不划分时，遍历完DIS模式的RDcost作为特征，通过离线训练高斯模型，并且计算损失函数，将后验概率与损失函数作比较，判断当前CU是否为最佳尺寸；其次，提取最优模式是否是SKIP或者DIS时，遍历完SKIP或者DIS的RDcost作为特征，引入全零块，通过最小错误贝叶斯判决，判断当前最优模式是否是SKIP或者DIS。本发明一种基于贝叶斯决策的3D‑HEVC深度图帧间快速算法能够减少编码器计算开销，在保持编码性能基本不变的情况下，减少编码时间。
-
公开(公告)号：CN115620343A
公开(公告)日：2023-01-17
申请号：CN202211386276.9
申请日：2022-11-07
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司
Abstract: 本发明提供一种基于多代理相似度聚合的跨模态行人再辨识方法，用于解决昼夜光照差异大而带来的白天可见光图像与夜晚红外图像匹配困难的问题。因此，本发明为每个类别分配多个可学习的代理，获得多代理相似度，并设计多代理相似度聚合机制，实现跨模态行人再辨识。一方面，本发明为每个类别学习多个代理，可以更好地刻画由于数据跨模态引起的剧烈类内差异；另一方面，本发明设计聚合机制，学习最佳的多代理相似度聚合方式，提升跨模态行人再辨识的准确性。因此，本发明可广泛应用于智慧城市、智慧交通以及智慧安防中的智能视频监控系统。
-
公开(公告)号：CN115511730A
公开(公告)日：2022-12-23
申请号：CN202211073159.7
申请日：2022-09-02
Applicant: 华侨大学
Abstract: 本发明涉及一种基于循环生成对抗网络的图像频闪去除方法，其在合成频闪图像数据集的基础上训练得到循环生成对抗网络模型，其包含两个生成网络与两个鉴别网络，两个生成网络分别负责由输入的频闪图像生成无频闪图像与输入无频闪图像生成频闪图像，鉴别网络利用输入的真实图像与生成网络的生成图像，结合生成对抗思想，训练生成网络。最终达到输入频闪图像最终输出其对应的无频闪图像的目的，有效提高了图像去频闪方法的实用性。
-
公开(公告)号：CN115396667A
公开(公告)日：2022-11-25
申请号：CN202211005433.7
申请日：2022-08-22
Applicant: 华侨大学
IPC: H04N19/124 , H04N19/154 , H04N19/70 , H04N19/82
Abstract: 本发明涉及一种基于可变形卷积的宽QP范围环路滤波方法，属于视频编码领域。本方法利用可变形卷积灵活的感受野与形变建模能力，自动学习视频特征，并通过密集残差连接，进行特征强化，以达到增强压缩视频质量的目的；同时提出一种QP注意力模块，提高该方法的泛化能力，使该方法能够同时提升不同QP下的压缩视频质量。本发明方法能够显著提升压缩视频的主客观质量。
-
公开(公告)号：CN113038126B
公开(公告)日：2022-11-01
申请号：CN202110261181.3
申请日：2021-03-10
Applicant: 华侨大学
IPC: H04N19/122 , H04N19/124 , H04N19/13 , H04N19/184 , H04N19/42 , H04N19/625 , G06N3/04 , H04N7/01
Abstract: 基于帧预测神经网络的多描述视频编码方法和解码方法，本发明在编码端将源视频采用时间下采样的方法分为奇数帧和偶数帧，分别将奇数帧和偶数帧组成两个新的序列，通过HEVC编码器进行编码。针对时间下采样所导致的帧丢失问题，采用帧预测神经网络来分别预测对应序列中所丢失的帧。将预测帧与对应序列的已编码视频帧相减获得残差信息，与当前序列已编码信息组成一个描述。将两个描述的码流打包分别通过不同的信道传输到解码端。本发明方法构成的多描述视频编码使码流具有一定的差错恢复能力，解码端可充分利用描述间的相关信息保证解码端在不可靠网络传输下的高质量视频重建。
-
-
-
-
-
-
-
-
-
Search Results
265
records
(took 0.025 seconds)
