公开(公告)号：CN117523609A

公开(公告)日：2024-02-06

申请号：CN202311519273.2

申请日：2023-11-15

Applicant: 安徽大学

Inventor： 郑爱华 ,  刘俊聪 ,  李成龙 ,  王福田 ,  汤进 ,  王梓

IPC: G06V40/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/74 ,  G06V10/86 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开一种基于特定和共享表示学习的可见光与近红外行人重识别方法，设计一个共享分支来弥合图像级别的域差异并学习模态共享表征，同时设计了一个特定分支来保留可见光图像的判别信息以学习模态特定表征。此外，还提出了类内聚合和类间分离学习策略，以在细粒度水平上优化特征嵌入的分布，进一步提高发明方法的泛化性能，本发明能够在消除颜色差异的同时，保留可见光图像中包含的颜色特定信息。

公开(公告)号：CN117496459A

公开(公告)日：2024-02-02

申请号：CN202311512570.4

申请日：2023-11-10

Applicant: 安徽大学

Inventor： 肖云 ,  王金发 ,  赵生阳 ,  赵志成 ,  李成龙 ,  汤进

IPC: G06V20/54 ,  G06V20/40 ,  G06V10/44 ,  G06V10/62 ,  G06V10/764 ,  G06V20/17 ,  G06V10/26 ,  G06V10/25

Abstract: 本发明提供基于CRNet的无人机视频车辆检测方法及系统，方法包括：采集得到差异场景视频数据，据以构建无人机视频时序序列；对差异场景视频数据，进行类别标注操作，以得到车辆类别标注数据；基于CRNet，将无人机视频时序序列作为模型输入数据，设置模型骨干网络时序增强模块，据以构建车辆检测识别模型；根据车辆检测识别模型，求取box损失、角度损失，以求取回归损失及分类损失，据以处理得到整体损失。本发明解决了难以排除运动模糊、随机遮挡以及密集分布的不利影响，以及对细粒度目标分类能力差的技术问题。

公开(公告)号：CN117475278A

公开(公告)日：2024-01-30

申请号：CN202311434166.X

申请日：2023-10-30

Applicant: 安徽大学

Inventor： 李成龙 ,  吴文滔 ,  王逍 ,  王伟 ,  章程 ,  汤进

IPC: G06V10/82 ,  G06V10/26 ,  G06V10/40 ,  G06V10/44 ,  G06V10/74 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/09

Abstract: 本发明公开了基于结构信息引导以车为中心的多模态预训练系统及方法，系统包括掩码自编码器、结构先验模块、语义先验模块及预训练模块；掩码自编码器用于对输入图像进行掩码并对掩码后的车辆图像进行重构；结构先验模块用于提取输入图像轮廓信息，利用轮廓信息和掩码自编码器的预测信息构建蒸馏损失；语义先验模块提取图像的视觉特征和文本描述的语义特征，计算视觉特征、语义特征及掩码自编码器模块的解码特征之间的相似度分布，构建跨模态对比学习损失；预训练模块用于不断进行预训练，直到达到迭代次数或者对应的损失函数值最小时停止训练；本发明的优点在于：提升了主干网络的特征提取能力，提升了以车为中心的感知任务的性能。

公开(公告)号：CN117292367A

公开(公告)日：2023-12-26

申请号：CN202311168198.X

申请日：2023-09-11

Applicant: 安徽大学

Inventor： 李成龙 ,  汪国皓 ,  汤进 ,  章程 ,  王伟

IPC: G06V20/62 ,  G06V20/70 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明提供基于语义特征增强的车牌协同识别方法及系统，包括：利用行数处理模块处理标准车牌，以获取标准、非标车牌对；利用Resnet特征提取网络进行特征提取，得到车牌视觉特征；以序列建模网络发掘获取车牌语义特征；以编码器分别进行单张车牌识别、车牌协同识别；根据车牌语义特征，进行单张车牌识别操作，以得到单张车牌识别结果，对单张车牌识别结果进行损失计算和训练优化，以得到适用单张车牌识别结果；进行协同识别序列建模，据以进行车牌协同识别操作，以得到车牌协同识别结果；对车牌协同识别结果，进行损失计算及训练优化，以得到适用车牌协同识别结果。本发明解决了车牌识别结果准确性较低，以及特定场景下识别效果较差的技术问题。

公开(公告)号：CN117173023A

公开(公告)日：2023-12-05

申请号：CN202311205827.1

申请日：2023-09-18

Applicant: 安徽大学

Inventor： 赵志成 ,  包静远 ,  王春 ,  郭华硕 ,  张钰 ,  肖云 ,  李成龙 ,  汤进

IPC: G06T3/40 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供无人机高分辨率热红外图像生成方法及系统，方法包括：对无人机捕获的热图像和可见光图像进行不同类型的浅层特征提取，得到两种模态的浅层特征；构建并利用相互指导模块MGM，将可见和热成像特征分别输入到MGM的两个不同分支中，以提取两个子任务的深层特征，通过双向注意力传递机制，使两个任务之间进行全面的特征交互，得到高质量的模态转换和超分辨率特征；构建并利用双向对齐融合模块BAFM，同时将两个分支的输出精细对齐到相同的特征空间，并进行特征融合；融合的特征通过pixelshuffle上采样得到超分辨率结果。本发明解决了由于可见图像和热红外图像信息利用不充分、不同模态之间存在差异导致无人机热红外图像质量较低的技术问题。

公开(公告)号：CN117011760A

公开(公告)日：2023-11-07

申请号：CN202310781686.1

申请日：2023-06-28

Applicant: 安徽大学

Inventor： 李成龙 ,  张梦雅

IPC: G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/08

Abstract: 本发明公开一种基于多教师联合指导的跨模态目标跟踪方法及系统，方法包括分别使用RGB模态数据样本和NIR模态数据样本对第一教师网络和第二教师网络进行训练，得到第一教师特征学习网络和第二教师特征学习网络；使用包含RGB模态数据和NIR模态数据的混合模态数据样本对学生网络进行训练，并使用第一教师特征学习网络或第二教师特征学习网络对学生网络进行指导；采用三元组损失函数，对学生网络的特征进行约束，得到用于进行跨模态目标跟踪的跟踪器；本发明在减少计算复杂度的同时，有效的解决了跟踪过程中的模态差异问题。

公开(公告)号：CN116523753A

公开(公告)日：2023-08-01

申请号：CN202310511388.0

申请日：2023-05-06

Applicant: 安徽大学

Inventor： 赵志成 ,  张钰 ,  余瑞 ,  方翔 ,  张涌 ,  肖云 ,  李成龙 ,  汤进

IPC: G06T3/40 ,  G06T7/40 ,  G06T5/50 ,  G06V10/44 ,  G06T7/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供多线索引导的无人机热红外图像超分辨率重建方法及系统，方法包括：提取可见光图像及热红外图像中的线索特征；将已得到的线索送入多线索引导模块中，以产生不同的特征；三种线索送入渐进式融合模块进行融合；通过对融合的特征图进行上采样，得到高分辨率无人机热红外图像。本发明解决了大规模图像超分辨率重建的场景下纹理信息恢复困难、图像纹理恢复错误、纹理恢复真实性低、恢复细节较少的技术问题。

公开(公告)号：CN110874590B

公开(公告)日：2023-02-28

申请号：CN201911128548.3

申请日：2019-11-18

Applicant: 安徽大学

Inventor： 李成龙 ,  钱存 ,  鹿安东 ,  汤进

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/143 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及基基于适配器互学习模型的训练及可见光红外视觉跟踪方法，包括以下步骤；S11、构建网络模型；S12、使用人工标注好的可见光热红外数据集来训练整个网络模型；S21、获取当前帧的候选样本；S22、根据候选样本，预测目标位置；S23、判断当前帧是否跟踪成功。本发明通过在多适配器(包括模式适配器、通用适配器和实例适配器)的基础上引入适配器互学习模块，实现双向跨模态信息传递，以充分利用RGBT跟踪中不同特征学习方式的互补优势来进一步提高跟踪性。

公开(公告)号：CN110349179B

公开(公告)日：2022-10-14

申请号：CN201910630336.9

申请日：2019-07-12

Applicant: 安徽大学

Inventor： 李成龙 ,  鹿安东 ,  汤进

IPC: G06T7/20 ,  G06V20/40 ,  G06V10/774

Abstract: 本发明公开了一种基于多适配器的可见光红外视觉跟踪方法及装置，方法包括：1)、预先构建由可见光模态适配器、通用适配器、热红外模态适配器以及实例适配器的初始识别模型；2)、使用预先标定好目标的样本视频训练初始识别模型，得到训练后的识别模型，其中，样本视频包括：若干个可见光‑热红外光样本视频对；3)、使用训练后的初始识别模型跟踪待识别视频中的待识别目标。应用本发明实施例，可以达到良好的多模态视频跟踪效果。

公开(公告)号：CN114445480A

公开(公告)日：2022-05-06

申请号：CN202210095475.8

申请日：2022-01-26

Applicant: 安徽大学

Inventor： 李成龙 ,  贾雅晴 ,  朱启文 ,  蔡先琛 ,  汤进

IPC: G06T7/593 ,  G06K9/62 ,  G06V10/75 ,  G06V10/46 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于Transformer的热红外图像立体匹配方法及装置，属于计算机视觉技术领域，方法包括获取热红外图像校正后的左视图和右视图；采用UNet特征提取网络对左右视图进行特征提取，得到多尺度特征图；基于Transformer特征转换模块对多尺度特征图进行处理，得到左右视图的转换特征图；基于左右视图的转换特征图，生成视差图。本发明在基于深度学习的立体匹配算法基础上，针对热红外图像纹理稀疏甚至大面积无纹理的特点，采用Transformer特征转换模块进行特征转换，解决热红外图像立体匹配的难点，从而达到良好的热红外立体匹配效果。