-
公开(公告)号：CN113065516A
公开(公告)日：2021-07-02
申请号：CN202110436855.9
申请日：2021-04-22
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种基于样本分离的无监督行人重识别系统及方法，属于行人重识别技术领域，解决了现有行人重识别方法识别精度低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，用于获得分类损失函数和样本不变性损失函数，根据目标域样本子集中各行人图片间的相似度方差获得样本分离损失函数，根据目标域样本子集中正样本组、负样本组分别与存储的目标域样本间的相似度获得无监督三元组损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，根据优化好的行人重识别网络模型对待识别行人图片进行识别。该系统能够很好的区分目标域中正样本和负样本，从而降低网络精度损失，提高识别精度。
-
公开(公告)号：CN117173024B
公开(公告)日：2024-04-16
申请号：CN202311213700.4
申请日：2023-09-20
Applicant: 中国矿业大学
IPC: G06T3/4069 , G06T3/4046 , G06T3/4007 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。
-
公开(公告)号：CN113610912B
公开(公告)日：2024-02-02
申请号：CN202110931555.8
申请日：2021-08-13
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06T7/55 , G06T7/246 , G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/088 , G06N3/0455 , G06V10/74
Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。
-
公开(公告)号：CN116977969B
公开(公告)日：2023-12-26
申请号：CN202311011160.1
申请日：2023-08-11
Applicant: 中国矿业大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标检测领域，具体地说，为一种基于卷积神经网络的驾驶员两点预瞄识别方法，包括如下步骤：数据集构建、模型搭建、特征提取、模型训练和检测阶段；本发明为保证样本多样性，从多个自动驾驶数据集采集样本，重新定义标签；为融合两点预瞄和深度学习，构建一个深度卷积神经网络，分析了如何将检测框用于两点预瞄识别的问题，针对了恶劣天气下远点预瞄的难点，提出了融合坐标注意力机制的主干网络和损失函数，实现了两点预瞄的智能识别，克服传统两点预瞄观察范围受限、存在视觉盲点等缺点。
-
公开(公告)号：CN117237190A
公开(公告)日：2023-12-15
申请号：CN202311194024.0
申请日：2023-09-15
Applicant: 中国矿业大学
Abstract: 本发明公开用于边缘移动设备的轻量化图像超分辨率重建系统及方法，属于图像超分辨率重建技术领域；包括输入模块、浅层特征提取层、多个堆叠蒸馏特征融合像素注意块模块、特征聚合模块、重建模块和输出模块；浅层特征提取层对低分辨率图像提取浅层特征；多个堆叠蒸馏特征融合像素注意块模块是m个以链的方式进行堆叠的DFFPA块，对浅层特征逐步细化提取深层特征；特征聚合模块聚合m个DFFPA块和浅层特征提取层的特征；重建模块经过卷积层和像素重排进行图像重建，得到超分辨率图像；本发明能够减少冗余信息，更加高效地提取图像中的高频信息，通过在像素级别上对不同尺度的特征进行加权融合，网络能够提供更优质的超分辨率重建结果。
-
Patent Agency Ranking
公开(公告)号：CN116977969A
公开(公告)日：2023-10-31
申请号：CN202311011160.1
申请日：2023-08-11
Applicant: 中国矿业大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标检测领域，具体地说，为一种基于卷积神经网络的驾驶员两点预瞄识别方法，包括如下步骤：数据集构建、模型搭建、特征提取、模型训练和检测阶段；本发明为保证样本多样性，从多个自动驾驶数据集采集样本，重新定义标签；为融合两点预瞄和深度学习，构建一个深度卷积神经网络，分析了如何将检测框用于两点预瞄识别的问题，针对了恶劣天气下远点预瞄的难点，提出了融合坐标注意力机制的主干网络和损失函数，实现了两点预瞄的智能识别，克服传统两点预瞄观察范围受限、存在视觉盲点等缺点。
-
公开(公告)号：CN115115686B
公开(公告)日：2023-07-18
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
IPC: G06T7/50 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
公开(公告)号：CN115330874B
公开(公告)日：2023-05-16
申请号：CN202211070202.4
申请日：2022-09-02
Applicant: 中国矿业大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于超像素处理遮挡的单目深度估计方法，属于计算机视觉领域，步骤一，图像预处理：对输入的双目图片进行图像去噪以及生成遮挡物体掩膜；步骤二，采用相机位姿估计进行位姿估计对图像进行重建：首先进行特征提取，相机位姿估计使用PoseCNN，之后将输入图像分为三个任务，分别为语义分割、三维旋转回归、三维平移估计；步骤三，采用深度估计网络进行深度估计对图像进行重建；步骤四，计算光度重建损失。使用光度重建损失来识别遮挡，可以有效去除影响网络训练的遮挡物体；图像输入网络之前，使用聚类分割，然后使用SSIM指标重新匹配双目图像对，网络预测的图像比较单一，提高了网络估计的准确率。
-
公开(公告)号：CN113610912A
公开(公告)日：2021-11-05
申请号：CN202110931555.8
申请日：2021-08-13
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明是一种三维场景重建中低分辨率图像单目深度估计系统及方法，方法包括：步骤1、构建适合EDSR训练的数据库K‑DIV2K数据集；步骤2、采用数据集分别训练EDSR放大2倍、放大3倍和4倍模型，得到具有不同放大能力的超分辨率放大模块；步骤3、将得到的超分辨率放大模块进行多尺度深度预测，得到12个尺度的输入图片；步骤4、将步骤3中其中九个尺度的输入图片送到单目深度估计网络架构中，采用空洞卷积提取图像中的特征图，最终恢复出深度信息图。本发明提升了EDSR模型的泛化能力，使其能在KITTI数据集上得到较好的超分放大效果，提升了模型的在低分辨率输入图像下的特征提取能力和深度估计能力。
-
公开(公告)号：CN113592718A
公开(公告)日：2021-11-02
申请号：CN202110924404.X
申请日：2021-08-12
Applicant: 中国矿业大学
Abstract: 本发明是一种基于多尺度残差网络的矿井图像超分辨率重建方法及系统，该系统是通过图像超分辨率重建模型将低分辨率图像重建为高分辨率图像，图像超分辨率重建模型由浅层特征提取模块、深层特征提取模块和特征重建模块组成，深层特征提取模块由m个融合多尺度卷积、卷积注意力机制和残差连接的多尺度残差注意力组和一个特征融合层组成，整个特征提取模块采用简化后的密集网络将提取到的浅层特征和不同层次的深层特征传送到特征融合层进行特征融合。该矿井图像超分辨率重建方法包括如下步骤：提取图像浅层特征、深层特征，将提取到的浅层和深层特征进行融合，图像重建。本发明能够更有效的利用特征信息，可以有效防止图像特征信息丢失。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.023 seconds)
