基于航拍视频图像的运动车辆检测方法

    公开(公告)号:CN106683119A

    公开(公告)日:2017-05-17

    申请号:CN201710013944.6

    申请日:2017-01-09

    Abstract: 本发明基于航拍视频图像的运动车辆检测方法,涉及图像数据处理中的图像运动分析,步骤是:对输入运动车辆彩色序列图像匹配,进一步得到背景补偿后的图像:包括基于SURF特征点的图像匹配和估计摄像机的全局运动参数得到背景补偿后的图像;运动车辆位置的粗检测;运动车辆位置的精确检测:包括自适应道路检测、提取候选车辆区域的CHLBP特征和利用SVM分类器对CHLBP特征进行判断获取运动车辆位置的精确检测。该方法融合时间和空间特性,克服了现有技术存在只适用于简单的单一场景运动车辆检测,难以适用于不同场景下的多运动车辆检测,检测的准确率容易受到尺度变化、复杂环境和摄像头运动的影响的缺陷。

    一种基于内容感知的图像缩放方法

    公开(公告)号:CN105488758A

    公开(公告)日:2016-04-13

    申请号:CN201510865907.9

    申请日:2015-11-30

    CPC classification number: G06T3/403 G06T2207/20152 G06T2207/20221

    Abstract: 本发明一种基于内容感知的图像缩放方法,涉及在图像平面内的图形图像转换,采用融合显著图、边缘直线图和梯度图的混合特征模型得到能量函数,依据该能量函数进行线裁剪操作完成图像的缩放,步骤是:输入彩色图像预处理;同时进行:提取原始彩色图像的显著图和显著目标图像、提取灰度图像的融合直线信息的边缘图和提取灰度图像的梯度图;利用HFPM算法对三种特征图融合得到能量函数;使用线裁剪算法对原始图像进行裁剪。本发明方法克服了现有的线裁剪方法采用图像的梯度图定义能量函数,在图像缩放时仍然存在失真和部分图像信息丢失的缺陷。

    基于多级时空特征和混合注意力网络的图像处理方法

    公开(公告)号:CN113782190B

    公开(公告)日:2023-12-15

    申请号:CN202111104505.9

    申请日:2021-09-22

    Abstract: 本发明为基于多级时空特征和混合注意力网络的抑郁症诊断方法,该方法包括以下内容:经过预处理的公开数据集变为成组的大小固定的图片,每个图片组对应一个视频序列,并对应一个抑郁分数;构建多级时空特征和混合注意力网络:以3D‑Resnet50网络相邻两层的输出作为输入,接入多级时空特征融合模块;所述多级时空特征融合模块包括时空特征调制子模块和特征融合子模块,时空特征调制子模块用于分别对相邻两层的输出都进行空间和时间调制;特征融合子模块用于对两个调制后的特征进行特征融合;多级时空特征经调整后连接一个混合注意力模块。该方法有效克服了单一网络深度在时间感受野和空间感受野局限的问题,实现针对抑郁患者的抑郁分数评估。

    基于风格转换和联合学习网络的域自适应行人再识别方法

    公开(公告)号:CN113723345B

    公开(公告)日:2023-11-14

    申请号:CN202111053962.X

    申请日:2021-09-09

    Abstract: 本发明为一种基于风格转换和联合学习网络的域自适应行人再识别方法,包括一、利用源域数据集对神经网络模型进行预训练;二、对目标域数据集中的行人图像进行风格转换;三、对每张行人图像进行预处理;四、将同一张行人图像采用两种预处理方式得到的图像输入到两个神经网络模型中提取特征,将两个高阶特征保存至两个存储器中;两个高阶特征进行聚类,得到伪标签;将同一张行人图像的两个高阶特征进行融合,融合后的高阶特征存储在联合存储器中;五、基于伪标签训练两个神经网络模型,基于联合存储器同步训练两个神经网络模型;六、重复第四、五步并在训练过程中计算两个神经网络模型的识别精度,将识别精度最佳的神经网络模型用于行人再识别。

    基于改进ConvMixer网络和动态焦点损失的视听情感分类方法

    公开(公告)号:CN115346261A

    公开(公告)日:2022-11-15

    申请号:CN202211015781.2

    申请日:2022-08-24

    Abstract: 本发明为基于改进ConvMixer网络和动态焦点损失的视听情感分类方法,包括1)采集表达情感的涉及人体面部区域的视频,从视频中提取图像序列和音频信号,将音频信号转换为梅尔倒谱系数谱图;2)构建结合邻接矩阵的ConvMixer网络,利用结合邻接矩阵的ConvMixer网络中提取视觉特征;3)利用ResNet34网络从梅尔倒谱系数谱图中提取听觉特征;4)构建特征融合与分类网络,用于将视觉特征和听觉特征进行融合,根据融合后的特征对每个视频进行情感分类;5)对网络进行训练,通过融合动态权重的焦点损失函数计算训练损失。克服了现有方法着重提取视频画面局部特征而忽略全局特征,损失函数无法使模型关注难分样本等问题。

    一种基于深度估计的RGBD图像显著性检测方法

    公开(公告)号:CN115272268A

    公开(公告)日:2022-11-01

    申请号:CN202210944652.5

    申请日:2022-08-08

    Abstract: 本发明为一种基于深度估计的RGBD图像显著性检测方法,利用深度估计用RGB特征生成估计深度图,作为原始深度图的补充,两者融合后作为深度模态的输入,融合后的深度特征为网络提供更多空间信息,帮助定位显著目标。两个模态特征利用交叉模态融合模块,将两个模态中优势部分进行互补选择,能够获得更有效的特征,具体是利用空间注意力加强特征后,使用加法和乘法两种方法融合两个模态的特征,加法利用特征互补性,乘法更加强调特征共性,再把两种方式得到的融合特征进行自适应融合,结合总损失的计算,实现端到端训练,明显提高检测精度。

    一种经颅磁刺激线圈
    50.
    发明公开

    公开(公告)号:CN114068131A

    公开(公告)日:2022-02-18

    申请号:CN202111386520.7

    申请日:2021-11-22

    Abstract: 本发明提供了一种经颅磁刺激线圈,涉及经颅磁刺激技术领域,包括由内向外依次设置的定位壳,线圈以及主壳体,所述定位壳包括呈倒锥状的侧壳以及与侧壳一体成型的定位柱,所述定位柱位于侧壳的底部且沿侧壳的轴线方向内凹,所述线圈均匀的缠设在侧壳的外表面且线圈的中心轴与主壳体的中心轴相对应,所述定位柱内插设有铁芯,所述主壳体包括底座,侧壁以及位于侧壁顶部的上盖,所述上盖的顶面设有线圈接口。本发明通过将线圈设计成圆锥形的结构并增加铁芯材料,显著增加了线圈的聚焦性,还可以增大刺激强度,本发明适用于针对大鼠等小动物的经颅磁刺激实验研究。

Patent Agency Ranking