-
公开(公告)号：CN116612439A
公开(公告)日：2023-08-18
申请号：CN202310891061.0
申请日：2023-07-20
Applicant: 华侨大学
IPC: G06V20/52 , G06V40/10 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种模态域适应性和特征鉴别性平衡方法及行人再辨识方法，其中的模态域适应性和特征鉴别性平衡方法用于红外光与可见光跨模态行人再辨识。本发明在模态域适应性优化和特征鉴别性优化之间设置一个注意力模块，用模态域适应性优化函数监督注意力模块的掩码学习，并用特征鉴别性优化函数监督注意力模块的反掩码学习，从而借助注意力机制自动平衡模态域适应性和特征鉴别性之间的矛盾，改善特征学习效果，提升红外光与可见光跨模态行人再辨识准确性。本发明可以应用于智能视频监控系统中的行人身份识别、行人轨迹分析等，具有广泛的应用价值。
-
公开(公告)号：CN116128779A
公开(公告)日：2023-05-16
申请号：CN202211687228.3
申请日：2022-12-27
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司
Abstract: 本发明涉及一种适用于跨模态行人再辨识的随机置色数据增强方法，先对可见光图像随机裁剪局部区域，对所裁剪的局部区域进行随机灰度化变换，以及对红外光图像随机裁剪局部区域，对所裁剪的局部区域进行随机彩色化变换；再将变换后的局部区域替换为原先被裁剪区域，获取随机置色增强可见光和红外光图像用于跨模态行人再辨识步骤。本发明在图像层面上，以轻量计算代价缓解可见光和红外光图像风格差异，从而提升跨模态行人再辨识模型对模态变化的适应能力，进而提升跨模态行人再辨识的准确性。
-
公开(公告)号：CN115995065A
公开(公告)日：2023-04-21
申请号：CN202310149452.5
申请日：2023-02-22
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司
IPC: G06V20/54 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于动态卷积Transformer的车辆再辨识方法；不同于各个局部区域共用卷积核，本发明中各个局部区域共用一个卷积核池，由一个全连接人工神经子网从各个局部区域各自学习得到一组系数，利用各个局部区域对应的系数将卷积核池中的卷积核进行线性融合获得各个局部区域的专用卷积核，用于学习各个局部区域的特征。因此，本发明能够根据各个局部区域自身的表征特性自适应学习相应的卷积核，能够更好学习车辆图像的局部特征，从而有利于提升车辆再辨识性能。
-
公开(公告)号：CN117437604A
公开(公告)日：2024-01-23
申请号：CN202311767741.8
申请日：2023-12-21
Applicant: 华侨大学
IPC: G06V20/54 , G06N3/088 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种无监督车辆再辨识模型训练方法、车辆再辨识方法及装置，涉及人工智能、机器视觉领域，通过基于深度学习的车辆再辨识模型从无标签车辆图像中学习的车辆图像特征，采用聚类算法进行聚类得到伪标签，并随机选择部分特征数据进行随机放缩，获得随机增强特征；基于随机增强特征计算后验类别概率，并利用随机增强特征与车辆图像特征之间的相似度组合后验类别概率，获得随机增强后验类别概率，利用随机增强后验类别概率赋权伪标签中的非峰值类别概率分布，实现伪标签的动态平滑，得到动态平滑伪标签，改善无监督车辆再辨识训练效果，解决当前无监督车辆再辨识依赖身份伪标签而聚类产生的身份伪标签质量不佳的问题。
-
公开(公告)号：CN116994295A
公开(公告)日：2023-11-03
申请号：CN202311256034.2
申请日：2023-09-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于灰度样本自适应选择门的野生动物类别识别方法，涉及机器视觉技术领域，利用灰度图像作为辅助模态来缓解可见光图像和红外光图像之间的模态差异。具体地说，本发明以可见光图像和灰度图像之间在特征空间中的差异来模拟可见光图像和红外光图像的模态差异，设计一种基于神经网络的自适应选择门模块，从可见光图像和灰度图像的特征差异中学习出灰度图像的重要性，用于合理控制灰度图像参与模型鉴别性训练的程度，解决因白天可见光图像与夜晚红外光图像之间模态跨度变化大，导致计算机对野生动物难以准确识别的问题，从而提升野生动物的识别率。因此，本发明可广泛应用于智慧生态以及动物保护等场景中的智能视频分析系统。
-
Patent Agency Ranking
公开(公告)号：CN117373066A
公开(公告)日：2024-01-09
申请号：CN202311667337.3
申请日：2023-12-07
Applicant: 华侨大学
Abstract: 本发明公开了一种基于云边搜索联邦深度学习方法的行人再辨识方法及系统，涉及机器学习技术领域，方法包括以下步骤：S1，云端初始化全局深度网络模型，S2，云端将全局深度网络模型下发给边缘设备；S3，边缘设备利用个性化初始化函数构建总体优化目标函数，进行边缘深度网络模型训练；S4，云端对边缘深度网络模型权重参数进行加权平均聚合以更新云端全局深度网络模型；S5，重复S2至S4至最大次数，将最后一次生成的云端全局深度网络模型作为行人再辨识模型；S6，利用行人再辨识模型实现行人再辨识。本发明在保护数据隐私的前提下，让各个边缘设备根据本地数据特性个性化初始化自身网络，提升联邦学习中边缘深度网络和云端全局深度网络模型的性能。
-
公开(公告)号：CN114972812A
公开(公告)日：2022-08-30
申请号：CN202210624115.2
申请日：2022-06-02
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结构相似度的非局部注意力学习方法，可广泛应用于机器视觉领域，例如图像分割、图像分类、图像识别等。现有非局部注意力方法简单计算不同空域位置的两个信号内积作为二者的相似度度量，并不完全符合人类视觉感知特点。针对这一问题，本发明提出利用结构相似度衡量不同空域位置的信号之间的相似度，在非局部注意力学习方法中充分考虑人类视觉对信号感知三个重要因素，即亮度、对比度和结构。其次，本发明进一步提出多尺度结构相似度度量策略，在不同尺度上更为全面地进行信号相似度度量。因此，本发明能够取得比现有非局部注意力方法更好地注意力学习效果。
-
公开(公告)号：CN114972812B
公开(公告)日：2024-06-18
申请号：CN202210624115.2
申请日：2022-06-02
Applicant: 华侨大学 , 厦门亿联网络技术股份有限公司
IPC: G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于结构相似度的非局部注意力学习方法，可广泛应用于机器视觉领域，例如图像分割、图像分类、图像识别等。现有非局部注意力方法简单计算不同空域位置的两个信号内积作为二者的相似度度量，并不完全符合人类视觉感知特点。针对这一问题，本发明提出利用结构相似度衡量不同空域位置的信号之间的相似度，在非局部注意力学习方法中充分考虑人类视觉对信号感知三个重要因素，即亮度、对比度和结构。其次，本发明进一步提出多尺度结构相似度度量策略，在不同尺度上更为全面地进行信号相似度度量。因此，本发明能够取得比现有非局部注意力方法更好地注意力学习效果。
-
公开(公告)号：CN117373066B
公开(公告)日：2024-03-12
申请号：CN202311667337.3
申请日：2023-12-07
Applicant: 华侨大学
Abstract: 本发明公开了一种基于云边搜索联邦深度学习方法的行人再辨识方法及系统，涉及机器学习技术领域，方法包括以下步骤：S1，云端初始化全局深度网络模型，S2，云端将全局深度网络模型下发给边缘设备；S3，边缘设备利用个性化初始化函数构建总体优化目标函数，进行边缘深度网络模型训练；S4，云端对边缘深度网络模型权重参数进行加权平均聚合以更新云端全局深度网络模型；S5，重复S2至S4至最大次数，将最后一次生成的云端全局深度网络模型作为行人再辨识模型；S6，利用行人再辨识模型实现行人再辨识。本发明在保护数据隐私的前提下，让各个边缘设备根据本地数据特性个性化初始化自身网络，提升联邦学习中边缘深度网络和云端全局深度网络模型的性能。
-
公开(公告)号：CN116777926B
公开(公告)日：2023-10-31
申请号：CN202311053453.6
申请日：2023-08-21
Applicant: 华侨大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像分割领域，公开了基于左右分和式轻量卷积神经网络的裂缝分割方法及装置，方法包含以下步骤：S1，原始裂缝图片输入到左右分和式轻量卷积神经网络；S2，所述左分式结构输出特征映射#imgabs0#；S3，所述右分式结构输出特征映射#imgabs1#；S4，第i层神经构件融合左分式结构的输出特征映射#imgabs2#与右分式结构的输出特征映射#imgabs3#，输出融合特征#imgabs4#，作为下一层神经结构的输入特征映射#imgabs5#；最后一层神经构件输出的融合特征#imgabs6#作为最终输出，表达裂缝语义分割特征。本发明的左分式采用卷积与最大池化层运算，右分式采用轻量异质卷积与平均池化层运算，将左右两个分式的输出特征相加，既增强了左右分式特征学习的互补性，又实现了网络轻量化。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.018 seconds)
