-
公开(公告)号：CN111476823B
公开(公告)日：2023-04-11
申请号：CN202010387475.6
申请日：2020-05-09
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及基于多挑战交互学习的实时RGBT跟踪方法及装置，包括以下步骤；S1、训练网络模型；所述网络模型包括依次串联的第一主干网络模块、第二主干网络模块、第三主干网络模块、自适应感兴趣区域对准操作层、全连接层；所述第一主干网络模块包括第一双流CNN网络模块、第一挑战感知器分支模块，S2、基于训练后的网络模型进行跟踪，确定目标位置。本发明实现了RGBT多模态的视频跟踪，有效的增加了特征表达的丰富性，提高了跟踪的鲁棒性，并达到了实时的跟踪性能，一定程度上解决了RGBT跟踪中缺少大规模的带标注的数据集，并且使用小规模的训练数据进行的学习无法捕获目标的外观多样性的问题。
-
公开(公告)号：CN110929848B
公开(公告)日：2023-03-31
申请号：CN201911128508.9
申请日：2019-11-18
Applicant: 安徽大学
IPC: G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明涉及基于多挑战感知学习模型的训练及实时跟踪方法，依次包括模型训练过程、通过预先训练的模型进行的跟踪过程两个部分，其中，S11、构建网络模型S12、使用标定好目标的VOT数据集来训练整个所述的网络模型；S21、输入当前跟踪的视频帧，在前一帧预测的目标位置周围用高斯采样获取当前帧的候选样本；S22、获取候选样本的的特征图；S23、将所述特征图输入到分类器模块中，预测目标位置；S24、判断当前帧是否跟踪成功；本发明能够有效的增加特征表达的丰富性，提高了跟踪的鲁棒性，并达到了实时的跟踪性能。
-
公开(公告)号：CN111476823A
公开(公告)日：2020-07-31
申请号：CN202010387475.6
申请日：2020-05-09
Applicant: 安徽大学
Abstract: 本发明涉及基于多挑战交互学习的实时RGBT跟踪方法及装置，包括以下步骤；S1、训练网络模型；所述网络模型包括依次串联的第一主干网络模块、第二主干网络模块、第三主干网络模块、自适应感兴趣区域对准操作层、全连接层；所述第一主干网络模块包括第一双流CNN网络模块、第一挑战感知器分支模块，S2、基于训练后的网络模型进行跟踪，确定目标位置。本发明实现了RGBT多模态的视频跟踪，有效的增加了特征表达的丰富性，提高了跟踪的鲁棒性，并达到了实时的跟踪性能，一定程度上解决了RGBT跟踪中缺少大规模的带标注的数据集，并且使用小规模的训练数据进行的学习无法捕获目标的外观多样性的问题。
-
公开(公告)号：CN110929848A
公开(公告)日：2020-03-27
申请号：CN201911128508.9
申请日：2019-11-18
Applicant: 安徽大学
Abstract: 本发明涉及基于多挑战感知学习模型的训练及实时跟踪方法，依次包括模型训练过程、通过预先训练的模型进行的跟踪过程两个部分，其中，S11、构建网络模型S12、使用标定好目标的VOT数据集来训练整个所述的网络模型；S21、输入当前跟踪的视频帧，在前一帧预测的目标位置周围用高斯采样获取当前帧的候选样本；S22、获取候选样本的的特征图；S23、将所述特征图输入到分类器模块中，预测目标位置；S24、判断当前帧是否跟踪成功；本发明能够有效的增加特征表达的丰富性，提高了跟踪的鲁棒性，并达到了实时的跟踪性能。
-
公开(公告)号：CN110694978A
公开(公告)日：2020-01-17
申请号：CN201910808784.3
申请日：2019-08-29
Applicant: 安徽嘉明新材料科技有限公司 , 安徽大学
IPC: B08B3/02
Abstract: 本发明公开了改性石墨烯块的制备清洗装置，包括清洗池，所述清洗池的内壁四角均固定安装有气缸，所述气缸的顶部固定连接有顶盖；所述顶盖的侧壁滑动连接有抽屉，所述抽屉的内腔中放置有下压板，所述下压板的底侧固定连接有六组连杆贯穿抽屉的底部固定连接有夹具，所述顶盖的内腔顶部固定安装有偏心转辊；六组所述夹具的下侧夹持有筛网；所述清洗池的内腔底部固定连接有若干弹簧，所述弹簧的顶部固定连接有支撑架；所述清洗池的内壁固定安装有环形水管，所述环形水管的内壁固定安装有若干喷头，本发明结构简单，方便实用，振动的筛网能够将筛网内石墨烯块翻转角度，便于各个方位的冲洗，增强清洗效果。
-
Patent Agency Ranking
公开(公告)号：CN107944282B
公开(公告)日：2019-10-29
申请号：CN201711090091.2
申请日：2017-11-08
Applicant: 安徽大学
Abstract: 本发明公开一种基于非对称预测误差直方图修改的可逆信息隐藏方法，包括下述步骤：溢出预处理，求峰值点和零点，嵌入秘密信息，提取秘密信息和溢出恢复处理，本发明能够使得不论是在嵌入信息量达最大还是最小时都能很好的利用补偿原理，在嵌入信息量较小时，能更改更少的像素点，提高载密图像的质量，同时，利用二次嵌入，在提高嵌入容量的同时提升图像质量。
-
公开(公告)号：CN119431558B
公开(公告)日：2025-05-06
申请号：CN202411593649.9
申请日：2024-11-08
Applicant: 安徽大学 , 安徽中生安兰健康产业有限公司
IPC: C07K14/78 , C12N15/12 , C12N1/19 , C12N15/81 , C12P21/02 , A61K38/39 , A61P17/02 , A61P17/00 , A61L27/24 , A61L27/54 , A61K8/65 , A61Q19/00 , C12R1/84
Abstract: 本发明提供了一种重组人源I型胶原蛋白片段COLI‑23H，氨基酸序列如SEQ ID NO.3所示。本发明还提供了上述蛋白COLI‑23H的编码基因、包括上述基因的毕赤酵母工程菌及工程菌发酵工艺。本发明在原始人源I型胶原蛋白序列中筛选到了一段序列片段，并对该片段的核苷酸序列进行优化，使其更适应毕赤酵母表达系统，获得重组I型胶原蛋白高产菌种，并对其发酵工艺进行优化。本发明重组人源I型胶原蛋白片段COLI‑23H具有优异的生物学活性，能够重组表达，且高产。同时，本发明还提供了上述重组人源I型胶原蛋白COLI‑23H在创口修复、医学美容整形、化妆品领域的应用。
-
公开(公告)号：CN119810146A
公开(公告)日：2025-04-11
申请号：CN202411780563.7
申请日：2024-12-05
Applicant: 安徽大学
IPC: G06T7/246 , G06V10/80 , G06V10/56 , G06V10/143 , G06V10/44 , G06N3/045 , G06N3/0464 , G06V10/25
Abstract: 本发明提供一种基于差异性信息的RGBT跟踪增强融合方法及系统，方法包括：输入数据处理；多模态ViT特征提取，其中，在ViT的特定层(如第4层、第7层、第10层)中集成ADEF模块，用于增强模态特定的特征表示。ADEF模块通过计算并减去跨模态融合注意力矩阵；特征差异增强融合，其中，在ViT的最后一层之后，应用FDEF模块。FDEF模块通过减去跨模态相似性矩阵，保留并放大每个模态的独特特征，进一步提高多模态融合的质量；目标状态预测。本发明解决了特征表示不纯净、融合策略不完善以及适应能力有限的技术问题。
-
公开(公告)号：CN119101144B
公开(公告)日：2025-03-21
申请号：CN202411265364.2
申请日：2024-09-10
Applicant: 安徽大学 , 安徽中生安兰健康产业有限公司
Abstract: 本发明提供了一种重组I型胶原α1链多肽，氨基酸序列如SEQ ID NO.2所示，含两处“GER整合素识别位点”。本发明还提供了一种重组I型胶原α1链多肽编码基因，如SEQ ID NO.1所示，用于编码上述重组I型胶原α1链多肽。同时，本发明还提供了一种含上述重组I型胶原α1链多肽编码基因的重组表达载体、重组毕赤酵母工程菌以及上述重组I型胶原α1链多肽的制备方法及应用。本发明设计出的重组I型胶原α1链多肽，分子量小，含两处GER整合素识别位点，活性优异，在人永生化表皮细胞中具有一定的迁移效果，可广泛应用于医学美容、化妆品等领域。
-
公开(公告)号：CN114663470B
公开(公告)日：2024-03-15
申请号：CN202210094864.9
申请日：2022-01-26
Applicant: 安徽大学
IPC: G06T7/246 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种软选择的自适应跨模态视觉跟踪方法，属于计算机视觉技术领域，方法包括：从跨模态跟踪数据集中随机抽取一个测试序列；将测试序列作为跟踪网络的输入，对测试序列中目标进行跟踪；跟踪网络包括特征提取网络、软性选择模块、模型预测器和IoU网络，特征提取网络的输入为测试序列、输出与软性选择模块连接，软性模块的输出分别与模型预测器和IoU网络连接，软性选择模块用于自适应预测各模态对应的重要性权重并将权重与各模态对应特征图加权融合得到各模态的融合特征图。本发明通过设置软性选择模块来自适应预测各模态对应的重要性权重解决现有技术中跨模态跟踪中不同模态切换导致跟踪器性能下降的问题。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.024 seconds)
