-
公开(公告)号：CN108596958A
公开(公告)日：2018-09-28
申请号：CN201810443211.0
申请日：2018-05-10
Applicant: 安徽大学
Abstract: 本发明公开了一种基于困难正样本生成的目标跟踪方法，针对训练数据中的每一个视频，利用变分自编码器进行对应流型的学习即正样本生成网络，根据编码后的输入图像，微调编码，生成大量正样本；将正样本输入到困难正样本转换网络，训练一个智能体来学习用一个背景图像块来遮挡目标物体，智能体不断的进行包围盒的调整使得样本变的难以识别，达到困难正样本生成的目的，输出为被遮挡的困难正样本；基于生成的困难正样本，训练孪生网络用于目标图像块与候选图像块的匹配，来完成当前帧目标的定位，直至整个视频处理完成。本发明基于困难正样本生成的目标跟踪方法，直接从数据中去学习目标的流型分布情况，可得到大量多样的正样本。
-
公开(公告)号：CN107704880A
公开(公告)日：2018-02-16
申请号：CN201710948739.9
申请日：2017-10-12
Applicant: 安徽大学
CPC classification number: G06K9/6268 , G06K9/46
Abstract: 本发明公开了一种基于特征选择的农作物病害识别方法，包括：1、采集不同病害种类的原始农作物叶片图像样本集并进行归一化和中心化预处理，得到预处理后的叶片图像样本矩阵及其类别标签矩阵，2、获得初始回归系数矩阵并根据初始回归系数矩阵获得权重矩阵，3、迭代更新初始回归系数矩阵以获得最优回归系数矩阵，4、利用最优回归系数矩阵完成特征选择，对任一农作物叶片样本进行病害分类。本发明能从农作物叶片众多的特征维度中选择出与病害分类相关程度最高的特征，将其他维度特征的回归系数压缩至0，并完成特征选择，从而能采集较少的特征即可完成对农作物的病害分类，节约了时间和成本。
-
公开(公告)号：CN107343180A
公开(公告)日：2017-11-10
申请号：CN201710697317.9
申请日：2017-08-15
Applicant: 安徽大学
CPC classification number: H04N7/181 , H04N5/222 , H04N5/23203 , H04N7/10 , H04N7/22
Abstract: 一种多视觉模态数据采集系统，包括支杆、两视觉模态成像球机、若干台光端机、视频采集卡、终端控制机，利用球机拍摄两种视觉模态的原始图像数据，数据经过光端机、视频采集卡传输到终端控制机，利用终端控制机上的控制软件实现数据的实时显示与采集，并且在采集之后对图像数据进行公共区域的裁剪，同时又通过控制软件对球机进行实时控制，球机中的两种成像设备在控制软件的控制下进行一致的运动，且经过工业校准，使成像设备光轴平行且成像时间一致。本发明还公开了一种多视觉模态数据采集方法。本发明的优点在于：不需要手动调节不同模态的相机的位置与角度，保证采集到的图像的公共区域具有高度一致性，采集的数据无需手动配准，自动裁剪。
-
公开(公告)号：CN106954069A
公开(公告)日：2017-07-14
申请号：CN201710306336.4
申请日：2017-05-04
Applicant: 安徽大学
IPC: H04N19/467 , H04N19/176 , G06T9/00
CPC classification number: H04N19/467 , G06T9/00 , H04N19/176
Abstract: 本发明公开一种面向数字图像隐私保护和管理的可逆数据嵌入编码方法，将灰度图像分为八个位平面图，对每个位平面图进行图像加密和数据嵌入联合编码，然后将这八个位平面图重新合成为灰度图像，即为携有秘密信息的密文图像，得到携有秘密信息的密文图像后，每个位平面图使用解密密钥可对密文信息进行解密，解密后的位平面图根据数据嵌入编码可直接提取嵌入信息并将图像恢复为原始载体图像。本发明有效保证数据的大容量嵌入，载体数据的可逆恢复。
-
公开(公告)号：CN105812816A
公开(公告)日：2016-07-27
申请号：CN201610153070.X
申请日：2016-03-17
Applicant: 安徽大学
IPC: H04N19/467 , H04N19/88 , H04N1/32
CPC classification number: H04N19/467 , H04N1/32272 , H04N19/88
Abstract: 本发明公开一种压缩加密认证联合编码方法，依次包括以下步骤：图像以4×4的块为单位进行AMBTC压缩；将4×4的块AMBTC压缩结果加密；在4×4的块压缩加密结果中嵌入认证信息；提取信息并认证；将可信数据解密；将可信数据解压缩。本发明计算简单，便于实现，压缩、加密、认证三者联合编码，有效减少对计算资源的占用，使用方便，在实时领域以及计算资源有限的移动终端等具有很好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN104219267A
公开(公告)日：2014-12-17
申请号：CN201310218008.0
申请日：2013-06-04
Applicant: 安徽大学
Abstract: 本发明实施例公开了一种隐私保护的统计车辆数量的方法及装置，属于车联网技术领域。方法包括：将OBU的最大数量设为f；根据OBU的最大数量与f的比值计算与各个OBU的通信次数n，并根据每次通信结果得到第一非空白时隙前的空白时隙的数量，根据得到的n个第一非空白时隙前的空白时隙的数量计算车辆数量本发明通过OBU发送信息的第一非空白时隙前空白时隙的数量计算车辆数量，替代了通过对OBU身份认证的方式统计车辆数量，可以在计数的同时，实现对车辆身份隐私的保护；同时，将OBU的最大数量设为f，降低了OBU的最大数量与f的比值，减少了OBU与RSU之间通信的次数，缩短了车辆数量统计的时间。
-
公开(公告)号：CN103854074A
公开(公告)日：2014-06-11
申请号：CN201410114812.9
申请日：2014-03-25
Applicant: 安徽大学 , 国网安徽省电力公司电力科学研究院 , 安徽继远电网技术有限责任公司
Abstract: 本发明公开了一种基于IOWA算子组合预测模型的输电线路覆冰预测方法及系统，通过小波分解将冰灾影响因素与覆冰数据逐个分解，求得小波系数和尺度系数；利用小波系数和尺度系数得到影响因素概貌序列及细节序列、覆冰质量概貌序列及细节序列和覆冰厚度概貌序列及细节序列，逐个对各气象因素与输电线路因素进行非线性回归得到覆冰厚度及质量的拟合方程；对这些方程建立基于IOWA算子的组合预测模型，求得组合预测加权向量和诱导值序列，产生覆冰质量及厚度的概貌预测值序列和细节预测值序列，求得小波系数和尺度系数；再采用小波重构算法得到覆冰厚度及质量的预测值序列。本发明的覆冰预测方法及系统，具有速度快、外推性好、结果比较可信等优点。
-
公开(公告)号：CN113705463B
公开(公告)日：2024-02-20
申请号：CN202111003067.7
申请日：2021-08-30
Applicant: 安徽大学
IPC: G06V20/13 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 一种基于多尺度门控密集连接的工厂足迹提取方法及系统，属于图像处理技术领域，解决如何通过引入引导模块以及密集连接来处理工厂的多尺度的问题，通过设计引导模块来缓解编码特征和解码特征之间的差异性影响，结合编码器和解码器特征的优势去引导编码特征的信息选择，弥补不同层级特征之间的差异性，将密集连接作用在编码器和解码器上，结合了不同尺度的低层细节信息和高层语义信息，进而获得多尺度的特征表示能力，更好的利用了低层特征的细节信息和高层特征的语义信息，同时使用自适应融合获取最终的解码特征，提升了遥感工厂足迹提取的精度。
-
公开(公告)号：CN113077491B
公开(公告)日：2023-05-02
申请号：CN202110359997.X
申请日：2021-04-02
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开一种基于跨模态共享和特定表示形式的RGBT目标跟踪方法，对可见光视频和对应的热红外视频进行配准和标注，按照要求将其分成训练集和测试集；利用VGG‑M网络来提取不同模态的模态特定特征，利用共享特征提取模块来提取两个模态之间的模态共享特征，同时在共享特征提取模块中使用多尺度特征融合的策略来增强特征以提高其鲁棒性。本发明在光照变化强烈、夜晚等极端条件下跟踪上目标，通过焦点损失函数使训练的模型更加关注于难以分类的样本，提高模型的鲁棒性。
-
公开(公告)号：CN110826392B
公开(公告)日：2023-03-10
申请号：CN201910875343.5
申请日：2019-09-17
Applicant: 安徽大学
Abstract: 本发明公开了一种结合上下文信息的跨模态行人检测方法，将可见光和热红外两个模态下的图像送到深度卷积网络中得到固定数目的感兴趣区域；将两个模态下的每一个感兴趣区域映射成特征向量作为图中节点构建图模型；采用门循环单元GRU进行上下文信息的传递更新，得到可见光图像GRU、热红外图像GRU、结合可见光和热红外图像的GRU这三个输出结果；使用最终的节点表示来送到分类器中进行分类以及标注框回归，设置阈值，将大于阈值的正样例以及其相应的坐标位置输出，实现行人检测。将深度学习应用到了行人检测领域中，达到较好的检测效果；结合单模态图像上下文信息和跨模态图像上下文信息，使得特征具有更加丰富的信息，帮助分类器更好的分类以及定位。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.028 seconds)
