-
公开(公告)号：CN111144233B
公开(公告)日：2022-06-14
申请号：CN201911256172.4
申请日：2019-12-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于TOIM损失函数的行人重识别方法，包括以下步骤：S1、准备数据集，数据集中每个不同身份的行人具有不同ID；S2、利用pytorch框架搭建基于ResNet‑50模型的网络模型；S3、将数据集中训练集的图片输入至网络模型中进行训练；S4、将数据集中测试集的图片输入至训练好的网络模型中，识别行人身份。本发明结合了在线实例匹配（OIM)损失函数和三重（Triplet）损失函数的优势，同时强调了对困难样本的重视和简化了三重损失函数的批处理构造过程，从而使得收敛速度大大加快，有效地提高了行人重识别的准确率。
-
公开(公告)号：CN114067356A
公开(公告)日：2022-02-18
申请号：CN202111227017.7
申请日：2021-10-21
Applicant: 电子科技大学
IPC: G06V40/10 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于机器视觉识别技术领域，具体涉及一种基于联合局部引导与属性聚类的行人重识别方法，包括属性识别模型预训练步骤和Reid模型训练步骤，是一种采用了多分支网络结构、在属性数据集PETA上预训练了一个行人属性识别模型、引入一个用于对行人不同区域施加注意力以提升对该区域属性的识别的局部引导模块、然后通过无监督聚类产生Reid分支的额外监督信息辅助Reid任务学习的行人重识别方法。
-
公开(公告)号：CN113132931B
公开(公告)日：2022-01-28
申请号：CN202110409122.6
申请日：2021-04-16
Applicant: 电子科技大学
Abstract: 本发明属于在复杂的室内环境下进行准确定位的方法，具体是涉及一种基于参数预测的深度迁移室内定位方法。本发明首先利用有标签的源域数据预训练一个性能良好的源网络定位模型，然后通过固定预训练的源网络参数，在无标签目标域数据的辅助下学习一种从源网络参数到目标网络参数的转换矩阵，最后利用该转换矩阵和源网络参数计算出目标域网络参数。本发明克服了常用领域适应技术过度专注于领域不变特征而忽略领域差异的弊端，能够使目标域的特征分布尽可能接近源域特征分布，从而保证了目标域网络在适应新环境的同时能保留部分源域网络的数据处理能力。本发明是一种能够良好适应复杂室内环境的高精度定位方法。
-
公开(公告)号：CN111551258B
公开(公告)日：2021-12-21
申请号：CN202010382155.1
申请日：2020-05-08
Applicant: 电子科技大学
Abstract: 本发明涉及温度校正技术领域，具体而言，涉及一种基于自适应加权的多红外传感器测温校正方法，将红外传感器设置成三棱锥结构，能够消除立体空间中各传感器之间由于测量距离和角度不均衡带来的精度影响。采用多项式拟合的方法，对多传感器测量数据进行自适应加权，从而达到精确测量温度的目的。本发明兼顾硬件补偿和软件补偿方法，可以有效地解决红外测温传感器的精度校正问题。
-
公开(公告)号：CN113392786A
公开(公告)日：2021-09-14
申请号：CN202110689585.2
申请日：2021-06-21
Applicant: 电子科技大学
Abstract: 本发明属于行人重识别技术领域，尤其涉及基于归一化和特征增强的跨域行人重识别方法，包括建立识别网络模型、图像特征归一化、图像特征恢复、图像特征输出。本技术方案在不使用目标域数据的基础上能够有效抑制域间隙并增强行人判别特征，进而增强识别网络模型的泛化能力；借助残差连接思想使得实例归一化既能抑制风格差异又能防止信息的丢失，以此使提取到的特征具有域不变性的同时保持判别力；通过注意力单元CAB将空间信息融入通道中，并通过构建通道间的依赖关系自适应地调整各通道的特征权重，有效增强了行人特征。
-
Patent Agency Ranking
公开(公告)号：CN113095222A
公开(公告)日：2021-07-09
申请号：CN202110391669.8
申请日：2021-04-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种行人重识别领域中的行人比对识别方法，包括下述具体步骤：1)输入图片至行人检测网络；2)行人检测网络抠出输入图片中所有行人的碎片其中，a表示第a帧输入图片，i表示第a帧图片中的第i个行人；3)建立用于存放所有行人的碎片的容器Cx，x＝1，2，3…，其中x表示第x个容器；4)将检测到的行人的碎片送入行人特征提取网络进行特征提取和朝向提取；5)将提取的特征和朝向放入对应容器Cx，x＝1，2，3…中，而后所提取的特征与容器Cx，x＝1，2，3…里现有的特征进行匹配，如果匹配上则更新对应容器里的特征和count，能够实时进行行人比对和识别，达到针对视频片段中同一个人的连续帧，首先判断是同一个人，然后再识别是哪个人的目的。
-
公开(公告)号：CN112954632A
公开(公告)日：2021-06-11
申请号：CN202110102396.0
申请日：2021-01-26
Applicant: 电子科技大学
IPC: H04W4/33 , H04W64/00 , H04B17/318
Abstract: 本发明属于室内定位技术领域，具体是涉及一种基于异构迁移学习的室内定位方法。本发明首先通过在每个格点采集RSS值建立离线指纹库作为源域数据，并随机收集一部分格点的RSS值作为共现数据中源域信息部分。然后在线上定位阶段，采集测试样本以及共现数据中目标域信息部分，并完成对共现数据的拼接。本发明的方法，以共现数据为桥梁，并加入边缘分布和条件分布对齐以及拓扑一致性约束，计算一个将源域投影到目标域的映射。最后，利用映射后的源域数据训练分类器，用于目标域的测试样本的位置计算。本发明充分利用共现数据，将源域和目标域数据联系起来，能在定位环境中传感器大量更换的情况下继续完成稳定、准确的定位，而不需要重新建立指纹库。
-
公开(公告)号：CN112113570A
公开(公告)日：2020-12-22
申请号：CN202010969150.9
申请日：2020-09-15
Applicant: 电子科技大学
Abstract: 本发明属于室内定位技术领域，具体是涉及一种基于深度迁移和模型参数集成的室内定位方法。本发明利用深度迁移对源域和目标域深层特征进行均值距离最小化约束和二阶统计差异最小化约束，能最大程度的减小域差异，进而使模型能够有效的适应复杂的室内环境。利用参数集成的思想，让用于预测的模型在每个训练步骤利用指数滑动平均机制集成利用梯度下降法进行训练的网络的参数，降低了神经网络在训练过程中的抖动，保证预测模型具有稳定的输出。本发明可以有效克服复杂室内环境中由于环境变化和异构设备测量偏差导致的误差增大的问题及神经网络在训练中的抖动问题。
-
公开(公告)号：CN111885703A
公开(公告)日：2020-11-03
申请号：CN202010704495.1
申请日：2020-07-21
Applicant: 电子科技大学
IPC: H04W64/00 , H04B17/318 , G01S5/02
Abstract: 本发明属于室内定位技术领域，具体涉及一种室内定位方法。本发明公开了基于混构域迁移学习的室内定位方法，其中混构域是指源域和目标域共享一部分特征空间，但又独有部分特征的数据域，该方法能充分利用源域和目标域中的共有AP，对目标域中缺失的AP数据进行补充，既维持了源域和目标域的特征一致性，也保证了各特征数据之间不发生混叠，有效的提高了定位样本特征数据不足情况下的定位精度，因此，本发明可以在待定位样本特征数据不足的混合域中发挥非常重要的作用。
-
公开(公告)号：CN111755781A
公开(公告)日：2020-10-09
申请号：CN202010632447.6
申请日：2020-07-02
Applicant: 电子科技大学
Abstract: 本发明公开了基于LTCC工艺的三阶混合电磁耦合SIW滤波器，包括自上而下依次设置的顶层金属层Top、第一基片集成波导腔体C1、第一金属耦合窗层L1、第二基片集成波导腔体C2、第二金属耦合窗层L2、第三基片集成波导腔体C3及底层金属地Bottom；在顶层金属层Top的一端设置为共面波导输入端口Input，在底层金属地Bottom上相对共面波导输入端口Input的设置端设置为共面波导输出端口Output，可以很好地解决采用传统滤波器技术设计的带通滤波器已不能完全满足现代技术发展需要的问题，具有高选择性，带内损耗小，边带抑制高和尺寸小的特征。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.028 seconds)
