-
公开(公告)号：CN114494478A
公开(公告)日：2022-05-13
申请号：CN202210191948.4
申请日：2022-02-28
申请人： 南京邮电大学
摘要： 本发明公开了一种基于特征图线性依赖的模型压缩方法，包括：统计神经网络模型中卷积层的个数以及每个卷积层中的通道数；通过输入少量的数据集，获取每个通道输出的特征图；基于特征图的信息熵，计算出每个通道在其所属的卷积层中的线性依赖独立性，并作为局部重要性；对于求出的局部重要性，基于遗传进化算法，求出每个卷积层的全局规模系数和全局偏差系数，把局部重要性转换成全局重要性；根据设置的目标压缩率，求出相应的阈值，并移除全局重要性小于阈值的通道，从而得到最优子网络；对得到的最优子网络进行自适应加权的多网络联合并行训练，恢复网络模型的性能。
-
公开(公告)号：CN111460201A
公开(公告)日：2020-07-28
申请号：CN202010143786.8
申请日：2020-03-04
申请人： 南京邮电大学
摘要： 本发明公开了一种基于生成性对抗网络的模态一致性跨模态检索方法，包括以下步骤：首先利用生成性对抗网络强大的数据分布建模能力，将文本特征映射到图像特征空间，用这种方法将跨模态检索问题转换为单模态检索问题，尽可能多地保留图像语义信息的同时减小模态的异质性。其次，设计了一个模态一致性哈希网络，将真实的图像特征和通过生成性对抗网络生成的特征投影到汉明空间中，并且利用标签信息对模态间和模态内的相似性进行建模，使得输出的哈希码在模态间和模态内具有更好的语义区分性，获得更具判别性的哈希码。最后在两个常用的基准数据集上的实验结果表明本方法与现有的流行方法相比具有更好的跨模态检索性能。
-
公开(公告)号：CN110490906A
公开(公告)日：2019-11-22
申请号：CN201910771090.7
申请日：2019-08-20
申请人： 南京邮电大学
摘要： 一种基于孪生卷积网络和长短期记忆网络的实时视觉目标跟踪方法，首先对于待跟踪的视频序列，采用前后连续的两帧图像作为网络每次获取的输入；然后通过孪生卷积网络对输入的连续两帧图像进行特征提取，经过卷积操作后获取不同层次的外观和语义特征，再通过全连接层级联组合高低层次的深度特征；再将深度特征传输至包含两个LSTM单元的长短期记忆网络进行序列建模，由LSTM遗忘门对序列中不同位置的目标特征进行激活筛选，并通过输出门输出当前目标的状态信息；最后接收LSTM输出的全连接层用以输出目标在当前帧的预测位置坐标，并更新下一帧目标的搜索区域。在保证一定跟踪稳定性和准确性的同时大幅提高跟踪速度，令跟踪实时性得到较大改善。
-
公开(公告)号：CN108734722A
公开(公告)日：2018-11-02
申请号：CN201810346646.3
申请日：2018-04-18
申请人： 南京邮电大学
摘要： 本发明揭示了一种基于PSR的视觉跟踪错误修正方法，包括如下步骤：S1、计算出第一帧的相关滤波器；S2、限定实施错误修正的范围；S3、计算出 与 ；S4、将 与 进行比较；S5、提取目标在新状态下的特征；S6、重复上述步骤，完成后续检测修正。当出现物体遮挡、视角变化、目标形变、周围光照变化等情况时，本发明的方法可以通过使用第一帧训练得到的相关滤波器来对后续跟踪检测过程中的状态估计进行判定，若第一帧有比当前帧正在使用的滤波器更高的可信度，则使用第一帧来进行状态估计，从而减少了视觉跟踪过程中错误发生的几率，提高了视觉跟踪的精度。
-
公开(公告)号：CN108664951A
公开(公告)日：2018-10-16
申请号：CN201810495801.8
申请日：2018-05-22
申请人： 南京邮电大学
IPC分类号： G06K9/00
摘要： 一种基于颜色名特征的行人重识别方法，包括如下步骤：S1、对行人图像进行预处理；S2、对经过预处理后的行人图像进行划分处理；S3、从经过划分处理后的行人图像中提取颜色名特征，并将提取出的颜色名特征与HSV特征、SILTP特征进行融合；S4、将S3中经过融合后的特征用二次判别分析法进行行人重识别。本发明基于颜色名特征、充分利用了行人外观的颜色特征，将每个通道相应位置元素的概率进行相比，并取其中最大的那个通道，用该通道标签表示该位置的像素，使得其能够更好的解决光照和环境变化对颜色描述的影响，从而保证了本发明的使用效果。
-
-
-
-
搜索结果
25 条记录 (耗时 0.025 秒)
