-
公开(公告)号：CN110363068B
公开(公告)日：2023-08-18
申请号：CN201910450597.2
申请日：2019-05-28
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/044
Abstract: 本发明公开了一种基于多尺度循环生成式对抗网络的高分辨行人图像生成方法，解决由监控设备拍摄到的行人图像分辨率存在差异的问题。其实现方案是：提出基于多尺度循环生成式对抗网络的高分辨行人图像生成模型，采用多尺度生成网络模型将低分辨率行人图像转换为高分辨行人图像，该模型生成器分为两个子生成网络：全局生成网络和局部增强网络；其次采用循环生成式对抗网络技术通过对抗学习的方法来训练多尺度生成器，目的是解决生成高分辨图像失真问题以及还原行人图像的背景信息；针对网络模型复杂度高和参数多的问题，使用多阶段学习方法来训练多尺度循环生成式对抗网络高分辨行人图像生成模型，实现网络性能的稳步提升。
-
公开(公告)号：CN111080645B
公开(公告)日：2023-08-15
申请号：CN201911098928.7
申请日：2019-11-12
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/0895
Abstract: 本发明公开了一种基于生成式对抗网络的遥感图像半监督语义分割方法，通过搭建初始生成式对抗分割网络，构建训练数据集，根据训练数据集训练所述初始生成式对抗分割网络，得到优化生成式对抗分割网络，将待测图像输入所述优化生成式对抗分割网络进行语义分割，以提取不同尺度的特征，融合局部和全局特征，用生成对抗网络指导没有标签的数据进行语义分割，从而进行半监督语义分割，提高语义分割的精度。
-
公开(公告)号：CN116309725A
公开(公告)日：2023-06-23
申请号：CN202310324732.5
申请日：2023-03-30
Applicant: 中国矿业大学
Inventor： 赵佳琦 , 向赫 , 周勇 , 阿卜杜穆塔利布·埃尔·萨迪克
IPC: G06T7/246 , G06T7/70 , G06N3/0455 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度可形变注意力机制的多目标跟踪方法，属于视频监控领域。首先对视频提取具有多尺度特征的检测框；然后在视频帧中检测框选行人；将位置信息与外观特征进行编码，通过空间注意力模块和通道注意力模块提取多尺度的鲁棒特征；再次将得到的检测框与跟踪框的鲁棒特征通过Transformer解码器构造出匹配代价体C；利用匹配代价体C在充分使用低置信度和高置信度检测框的基础上进行二次匹配关联，计算预测值和真实跟踪值之间的损失，利用损失值训练整个网络来得到最终的参数，从而得到行人多目标跟踪视频的跟踪结果。其步骤简单，使用方便，能够高效快捷的对大规模的自然图像数据集中的行人进行多目标跟踪。
-
公开(公告)号：CN111539255B
公开(公告)日：2023-04-18
申请号：CN202010227374.2
申请日：2020-03-27
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态图像风格转换的跨模态行人重识别方法，根据行人图像数据集，对训练图像进行收集和预处理获取训练样本；构建解耦图像特征的自动编码网络模型，该模型对处理后输入的行人图像进行特征解耦，分为域无关的内容特征和域相关的风格特征；构建基于模态转换的生成网络和判别网络模型，该模型实现不同域行人图像的风格属性信息互换，实现变换风格的样本生成；本发明方法针对行人重识别算法易受不同光照影响的问题，通过神经网络提取行人图像的特征来学习不同图像的相似性矩阵，该方法学习到的度量矩阵比人为选定的矩阵具有灵活性，更能获得图像特征之间的相似性。
-
公开(公告)号：CN113766418B
公开(公告)日：2022-07-15
申请号：CN202111008694.X
申请日：2021-08-31
Applicant: 中国矿业大学
Abstract: 本申请涉及一种基于UWB技术的姿态自校正井下运输设备及其控制方法。该方法包括：通六自由度运动平台的上平台的上表面安装有运输夹持紧固机构；姿态感知传感组中至少包括三个UWB标签，姿态感知传感组中的UWB标签均匀布置于六自由度运动平台的上平台的侧边上，用于采集位置信息；控制模块分别与姿态感知传感组、六自由度运动平台以及运输夹持紧固机构电连接，通过发送电信号驱动六自由度运动平台和运输夹持紧固机构实现待运输物品的夹取，收集姿态感知传感组的定位信息，对六自由度运动平台的姿态进行实时解算，结合期望位姿进行姿态调整，保持运输过程的平稳，通过布置若干UWB标签获得待运输物品的实时姿态，提高了姿态感知精度，以及平稳性需求。
-
Patent Agency Ranking
公开(公告)号：CN114511593A
公开(公告)日：2022-05-17
申请号：CN202210084771.8
申请日：2022-01-25
Applicant: 中国矿业大学
Abstract: 本发明提供了一种基于重要特征的视觉目标跟踪可转移黑盒攻击方法，通过对特征中与跟踪目标高度相关而不受源模型影响的重要特征进行攻击，将其重要程度降低，同时增强不重要的特征以实现具有可转移性的攻击；即通过反向传播获得的所对应的梯度来体现其特征的重要程度，随后通过梯度得到的加权特征以进行攻击。此外，本发明使用视频相邻两帧之间相似这一时序信息，提出特征相似下降损失函数，通过减小相邻帧之间的特征相似度以进行攻击。本发明能够在不可知目标跟踪模型以及不进行大量查询的情况下，通过生成的具有强可转移性的对抗样本，对目标跟踪器实现有效的黑盒攻击。
-
公开(公告)号：CN114494959A
公开(公告)日：2022-05-13
申请号：CN202210080615.4
申请日：2022-01-24
Applicant: 中国矿业大学
Abstract: 本发明公开了一种针对视频目标分割的注意力引导的对抗性攻击方法，首先使用特征提取器提取视频帧的特征图；然后构建多级特征空间注意力模块，获得空间注意力图；将空间注意力图与特征图串联起来，得到增强特征图，并对增强特征图进行下采样；构建反卷积神经网络，基于下采样后的增强特征图生成原始视频序列的对抗性扰动；将生成的对抗性扰动添加到原始视频序列中产生对抗样本；给定初始帧掩码，将对抗样本输入经典的单样本视频目标分割网络中得到最终预测掩码。本发明提供对抗性攻击方法借助注意力机制和增强特征图生成对抗性扰动，能够针对视频目标分割任务进行对抗性攻击，实现将目标的所有像素进行错误分类。
-
公开(公告)号：CN110363215B
公开(公告)日：2020-07-28
申请号：CN201910469411.8
申请日：2019-05-31
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于生成式对抗网络的SAR图像转化为光学图像的方法，利用深度学习和图像处理方法完成SAR图像到光学图像转化的技术，通过分割和再拼接，完成将大幅SAR图像转化为便于理解的光学图像的任务。本发明能够实现人工干预工作量大大减少，根据待处理场景的特点完成SAR图像的自动转化，图像细节部分处理效果较好，转化结果图像在保持地物空间结构信息方面与SAR图像保持一致，在纹理、色调和光谱等方面非常接近目标图像的效果。
-
公开(公告)号：CN111259758A
公开(公告)日：2020-06-09
申请号：CN202010030047.8
申请日：2020-01-13
Applicant: 中国矿业大学
Abstract: 本发明公开了一种针对密集区域的两阶段遥感图像目标检测方法，主要解决现有技术对目标密集区域目标识别准确率低的问题，其步骤为：1、对于输入图像进行数据增强操作，增加训练样本集；2、构建基于多尺度特征提取模块；3、在不同尺度的特征图上进行目标检测，找出目标密集的区域；4、针对目标密集的区域进行二次目标检测；5、对检测出的目标进行分类和位置回归，输出目标对应的分类标签和位置坐标，完成对图像的目标识别和定位。本发明利用网络多尺度结构的特点提取和融合不同尺度下的特征图来检测不同大小的目标，并对目标密集度高的区域进行二次检测，提高了小目标识别准确率。该方法可用于无人机以及卫星对目标的检测，侦查和监视。
-
公开(公告)号：CN111080645A
公开(公告)日：2020-04-28
申请号：CN201911098928.7
申请日：2019-11-12
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于生成式对抗网络的遥感图像半监督语义分割方法，通过搭建初始生成式对抗分割网络，构建训练数据集，根据训练数据集训练所述初始生成式对抗分割网络，得到优化生成式对抗分割网络，将待测图像输入所述优化生成式对抗分割网络进行语义分割，以提取不同尺度的特征，融合局部和全局特征，用生成对抗网络指导没有标签的数据进行语义分割，从而进行半监督语义分割，提高语义分割的精度。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.025 seconds)
