-
公开(公告)号：CN117437604A
公开(公告)日：2024-01-23
申请号：CN202311767741.8
申请日：2023-12-21
Applicant: 华侨大学
IPC: G06V20/54 , G06N3/088 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种无监督车辆再辨识模型训练方法、车辆再辨识方法及装置，涉及人工智能、机器视觉领域，通过基于深度学习的车辆再辨识模型从无标签车辆图像中学习的车辆图像特征，采用聚类算法进行聚类得到伪标签，并随机选择部分特征数据进行随机放缩，获得随机增强特征；基于随机增强特征计算后验类别概率，并利用随机增强特征与车辆图像特征之间的相似度组合后验类别概率，获得随机增强后验类别概率，利用随机增强后验类别概率赋权伪标签中的非峰值类别概率分布，实现伪标签的动态平滑，得到动态平滑伪标签，改善无监督车辆再辨识训练效果，解决当前无监督车辆再辨识依赖身份伪标签而聚类产生的身份伪标签质量不佳的问题。
-
公开(公告)号：CN116994295A
公开(公告)日：2023-11-03
申请号：CN202311256034.2
申请日：2023-09-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于灰度样本自适应选择门的野生动物类别识别方法，涉及机器视觉技术领域，利用灰度图像作为辅助模态来缓解可见光图像和红外光图像之间的模态差异。具体地说，本发明以可见光图像和灰度图像之间在特征空间中的差异来模拟可见光图像和红外光图像的模态差异，设计一种基于神经网络的自适应选择门模块，从可见光图像和灰度图像的特征差异中学习出灰度图像的重要性，用于合理控制灰度图像参与模型鉴别性训练的程度，解决因白天可见光图像与夜晚红外光图像之间模态跨度变化大，导致计算机对野生动物难以准确识别的问题，从而提升野生动物的识别率。因此，本发明可广泛应用于智慧生态以及动物保护等场景中的智能视频分析系统。
-
公开(公告)号：CN116634147B
公开(公告)日：2023-10-31
申请号：CN202310911767.9
申请日：2023-07-25
Applicant: 华侨大学
IPC: H04N19/11 , H04N19/169 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80
Abstract: 本发明公开了一种基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法及装置，涉及视频编码领域，方法包括：首先搭建数据库，构建基于多尺度特征融合的卷积神经网络模型，并训练基于多尺度特征融合的卷积神经网络模型；其次将输入的CTU通过多尺度特征融合卷积神经网络，输出预测标签；最后为不同类型序列赋不同阈值，根据预测标签指导平台进行编码，从而跳过不必要的深度遍历。本发明提出的基于多尺度特征融合的HEVC‑SCC帧内CU快速划分编码方法，能够节省编码时间，明显降低屏幕内容视频的计算复杂度。
-
公开(公告)号：CN116778446A
公开(公告)日：2023-09-19
申请号：CN202310761995.2
申请日：2023-06-26
Applicant: 华侨大学
IPC: G06V20/56 , G06N3/0464 , G06V10/82 , G06N3/048 , G06V10/22 , G06V10/764 , G06V10/26 , G06V10/74 , G06N3/08
Abstract: 本发明公开了一种车道线快速检测方法、装置及可读介质，获取路况图像；构建基于编码器‑解码器的神经网络并训练，得到车道线检测模型，基于编码器‑解码器的神经网络包括主干分支和辅助分支，主干分支包括依次连接的编码器网络、CBAM注意力机制模块和解码器网络，编码器网络中包括改进的残差结构，改进的残差结构包括第一卷积层以及分别与第一卷积层连接的第一分支和第二分支，第一分支包括第二卷积层，第二分支包括依次连接的第三卷积层和第四卷积层，第一分支、第二分支与第一卷积层的输入通过加法器相连，辅助分支为实例分割网络，并仅在训练过程中使用；将路况图像输入车道线检测模型，检测得到车道线图像，提高车道线检测的准确率和检测速度。
-
公开(公告)号：CN116757977A
公开(公告)日：2023-09-15
申请号：CN202310502926.X
申请日：2023-05-06
Applicant: 华侨大学
IPC: G06T5/50 , G06T7/246 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度双向卷积的压缩视频感官质量增强方法及系统，包括：将输入的多个视频帧进行运动补偿，获得对齐后的特征；所述输入的多个视频帧包括参考帧和参考帧的前后若干相邻帧；提取对齐后的特征的时序信息，获得时空融合后的特征；提取时空融合后的特征的方向特征，获得水平特征和垂直特征；基于参考帧和相邻帧来指导水平特征和垂直特征的恢复，获得细节注意力机制处理后的特征；将通过细节注意力机制处理后的特征进行增强，获得增强后的方向特征；将增强后的方向特征与参考帧进行逐元素相加，得到增强帧。本发明能够提高重建视频帧的感官质量，恢复的重建帧更符合人类视觉系统，能够改善压缩带来的质量下降问题。
-
Patent Agency Ranking
公开(公告)号：CN116740143A
公开(公告)日：2023-09-12
申请号：CN202310744027.0
申请日：2023-06-21
Applicant: 华侨大学
IPC: G06T7/246 , G06T7/73 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/74
Abstract: 本发明提供一种联合轨迹损失和排名损失优化的鲁棒目标跟踪器，包括：步骤S1、用非权重共享的孪生骨干网络提取特征，得到模板特征图和历史特征图；步骤S2、利用模板特征图和历史特征图获得目标相似性响应图；步骤S3、利用轨迹损失学习使跟踪器学习目标的运动信息；步骤S4、利用IOU引导的排名损失优化跟踪器的分类子网络和回归子网络；步骤S5、联合轨迹损失和IOU引导的排名损失实现目标状态的估计。本发明能够提升孪生跟踪器的准确性和鲁棒性。
-
公开(公告)号：CN116668723A
公开(公告)日：2023-08-29
申请号：CN202310550087.9
申请日：2023-05-16
Applicant: 华侨大学
IPC: H04N19/597 , H04N19/593 , H04N19/124 , H04N19/119 , H04N19/61 , G06T9/00 , G06N3/0464
Abstract: 本发明公开了一种基于卷积神经网络的3D‑HEVC深度图帧内编码单元划分方法及装置，通过构建编码单元划分预测模型并训练，采用3D‑HEVC编码器对当前待编码块进行编码，在编码过程中确定编码单元的当前尺寸和当前编码量化参数；根据编码单元的当前尺寸和/或当前编码量化参数确定在编码过程中采用速度模式或性能模式，在速度模式中，将预测值作为当前待编码块的划分结果；在性能模式中，使用3D‑HEVC编码器预测当前待编码块的划分结果；判断编码单元的当前尺寸是否大于第四尺寸，若是则调整当前待编码块的尺寸缩小一个级别，并重复以上步骤，直至得到当前待编码块的所有划分结果，本方法在保证一定编码质量的前提下，能够显著节省深度图编码所需时间。
-
-
公开(公告)号：CN111160226B
公开(公告)日：2023-03-31
申请号：CN201911370041.9
申请日：2019-12-26
Applicant: 华侨大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于视角自适应特征学习的行人性别识别方法包括：视角自适应训练过程，性别识别过程。本发明利用输入行人的视角信息来指导卷积神经网络的特征学习过程，以减轻行人视角变化对神经网络进行性别识别的影响，使训练得到的网络模型具有更加准确的行人性别识别效果。本发明结合了行人的视角信息，解决了以往基于卷积神经网络用在行人性别识别问题上的不足，有效地提高了行人性别识别精度。本发明可以被广泛地应用在智能视频监控场景，例如大型商场，机场，火车站等。
-
公开(公告)号：CN111524104B
公开(公告)日：2023-03-24
申请号：CN202010285704.3
申请日：2020-04-13
Applicant: 华侨大学
Abstract: 本发明涉及一种基于多尺度轮廓波特征的全参考光场图像质量评价方法，基于光场图像表面的轮廓和曲线具有感知相关性，通过具有良好各向异性的多尺度多方向轮廓波变换有效地捕捉光场图像中场景结构变化的边缘和轮廓细节，充分考虑了人眼视觉系统对于光场图像的主观感知度，具有较好的光场图像质量评价性能。本发明的实施，能够得到匹配于人眼视觉的主观感知度的评价结果。
-
-
-
-
-
-
-
-
-
Search Results
266
records
(took 0.057 seconds)
