-
公开(公告)号：CN116129129B
公开(公告)日：2023-11-03
申请号：CN202211225111.3
申请日：2022-10-09
申请人： 南京恩博科技有限公司
IPC分类号： G06V10/40 , G06V10/25 , G06V10/26 , G06V10/77 , G06V10/80 , G06V10/82 , G06V40/20 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F3/01
摘要： 本发明公开了一种人物交互检测模型及检测方法，属于人物交互检测领域。针对现有技术中存在的在HOI检测中获取人物互动特征信息困难、检测多人物时会产生错误预测等问题，本发明提供了一种人物交互检测模型及检测方法，通过增强小目标模块获取输入图像的多尺度特征，将多尺度特征融合后得到输入特征图，输入特征图分别输入到交互区域学习模块和交互动作学习模块中提取不同的特征信息，再与姿态提取特征模块提取输入图像中人的姿态特征信息共同融合后输出，从而实现在HOI检测中，对输入图像中人物的特征进行精细化处理，更加关注人物交互的区域，凸显出人物交互的关键特征。
-
公开(公告)号：CN115797655A
公开(公告)日：2023-03-14
申请号：CN202211601267.7
申请日：2022-12-13
申请人： 南京恩博科技有限公司
摘要： 本发明公开了一种人物交互检测模型、方法、系统及装置，属于计算机技术领域。针对现有技术在HOI领域进行人物交互检测时存在模态融合粗糙、模态之间差异较大等问题，本发明提供了一种人物交互检测模型、方法、系统及装置，通过重挖掘视觉模块、语言知识生成模块及交互模态学习模块，实现人物模态之间的对齐，生成细粒度的多模态特征，利用文本特征监督视觉特征学习，提升人物交互检测精度；同时，在推理阶段，语言知识生成模块和交互模态学习模块不需要再参与，减少推理时间，进一步提高检测效率。
-
公开(公告)号：CN112836608B
公开(公告)日：2021-10-01
申请号：CN202110097330.7
申请日：2021-01-25
申请人： 南京恩博科技有限公司
摘要： 本发明公开了一种森林火灾源头的估计模型训练方法、估计方法及系统，属于计算机视觉和森林烟火视频监测领域。本发明的估计模型包括主干网络、前景特征增强模块、多帧特征融合模块，训练模型时包括构建森林火灾视频样本数据集；对正样本和负样本进行预处理；将经过预处理后的森林火灾视频样本输入主干网络提取图像的高维特征，将高维特征输入前景特征增强模块增强前景特征，输入多帧特征融合模块进行特征融合，融合后进行反卷积操作，将高维特征映射为火灾源头的估计掩码；利用Focal Loss损失函数进行模型参数优化。估计方法采用所训练的模型对森林火灾源头进行估计，并将估计方法部署于估计系统中。本发明能够准确地对森林火灾源头进行识别和估计。
-
公开(公告)号：CN112966762A
公开(公告)日：2021-06-15
申请号：CN202110280866.2
申请日：2021-03-16
申请人： 南京恩博科技有限公司
摘要： 本发明公开了一种野生动物检测方法、装置、存储介质及电子设备，属于野生动物检测领域。进行检测时包括将待检测的野生动物图像输入特征提取网络提取特征；将提取到的特征与自底向下路径中对应的特征通过跳跃连接方式进行特征融合；将融合后的特征进行映射输出，得到预测框及其对应的类别和置信度；对重叠的预测框进行筛选，输出动物检测结果。本发明通过充分融合网络浅层的细节信息和深层的语义信息，并且对重叠目标的预测框进行抑制，有效地提高了对野生动物的检测精度，从而对于野生动物的监管起到积极的作用。
-
公开(公告)号：CN112949453A
公开(公告)日：2021-06-11
申请号：CN202110215838.2
申请日：2021-02-26
申请人： 南京恩博科技有限公司
摘要： 本发明公开了一种烟火检测模型的训练方法、烟火检测方法及设备，属于烟火检测技术领域。训练方法包括：构建视频烟火样本数据集；将输入图像输入纹理支路进行特征提取，得到多尺度特征表示，并通过特征金字塔将多尺度特征表示融合为纹理特征；计算输入图像与参考图像的帧差图像，将帧差图像输入运动支路计算运动注意力权重图；对纹理特征进行运动感知增强；利用弱注意力模块生成弱烟火目标掩码；根据运动感知增强后的纹理特征和弱烟火目标掩码，得到烟火特征图，并进行烟火目标检测。并且提出了利用所训练出的模型进行烟火检测的方法，以及执行所述烟火检测方法的设备。本发明能够有效地提高烟火的检测准确率，并且计算成本低，便于部署。
-
公开(公告)号：CN111047565A
公开(公告)日：2020-04-21
申请号：CN201911202595.8
申请日：2019-11-29
申请人： 南京恩博科技有限公司
摘要： 本发明公开了一种用于森林云雾图像分割的方法、存储介质和设备，属于计算机视觉和森林防火视频监测领域。该方法首先获取森林云雾图像，然后采用轻量级神经网络串联编码模块和解码模块构成语义分割网络模型对森林云雾图像进行处理，森林云雾图像在所述语义分割网络模型中执行前向计算进行图像分割，输出森林云雾图像中云雾区域的掩码图。该方法能够克服传统暗通道方法精度低、泛化能力差等缺点，在对森林云雾图像进行快速分割的同时，兼具更高的精度，从而能够有效辅助森林防火监控系统进行森林烟火检测。同时公开的用于森林云雾图像分割的存储介质以及包括该存储介质的设备，能够直接工程部署，用于森林云雾图像分割。
-
公开(公告)号：CN118537405A
公开(公告)日：2024-08-23
申请号：CN202410696041.2
申请日：2024-05-31
申请人： 南京恩博科技有限公司
发明人： 王寅初
IPC分类号： G06T7/73 , G06V10/44 , G06V10/22 , G06V10/75 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种相机位姿估计方法、装置、计算机设备及存储介质，属于计算机视觉技术领域。通过输入火灾图像到特征提取及位置编码模块中进行特征提取和特征位置融合生成具有空间位置信息的特征表示，将具有空间位置信息的特征表示输入交叉注意力计算模块中计算不同具有空间位置信息的特征表示之间的依赖关系得到融合依赖信息的特征表示，再将融合依赖信息的特征表示输入特征匹配模块中得到特征匹配关系，利用预测网络骨架预测并调节特征匹配的分配情况，监督相机位姿估计模型训练，计算相机位姿，得到训练好的相机位姿估计模型，输入火灾图像序列数据集到相机位姿估计模型进行相机位姿估计，从而提高相机位姿估计精度，实现高效特征匹配。
-
公开(公告)号：CN116453053A
公开(公告)日：2023-07-18
申请号：CN202310418964.7
申请日：2023-04-18
申请人： 南京恩博科技有限公司
IPC分类号： G06V20/52 , G06V10/46 , G06V10/82 , G06V10/774
摘要： 本发明公开了一种火灾检测方法、装置、计算机设备及存储介质，属于计算机视觉技术领域。针对现有技术中存在的早期火灾目标较小，计算机视觉检测早期火灾目标不及时、不准确等问题，本发明提供了一种火灾检测方法、装置、计算机设备及存储介质，通过计算显著性特征图对火灾图像进行扭曲，扩大火灾目标在火灾图像中的占比，并在变换神经网络中运用最大池化代替注意力机制得到基于最大池化的变换神经网络，将基于最大池化的变换神经网络与无锚的目标检测网络结合得到火灾检测模型，通过火灾检测模型检测火灾图像，得到检测结果，从而实现实时检测火灾，提高早期火灾小目标的检测精度。
-
公开(公告)号：CN116129129A
公开(公告)日：2023-05-16
申请号：CN202211225111.3
申请日：2022-10-09
申请人： 南京恩博科技有限公司
IPC分类号： G06V10/40 , G06V10/25 , G06V10/26 , G06V10/77 , G06V10/80 , G06V10/82 , G06V40/20 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06F3/01
摘要： 本发明公开了一种人物交互检测模型及检测方法，属于人物交互检测领域。针对现有技术中存在的在HOI检测中获取人物互动特征信息困难、检测多人物时会产生错误预测等问题，本发明提供了一种人物交互检测模型及检测方法，通过增强小目标模块获取输入图像的多尺度特征，将多尺度特征融合后得到输入特征图，输入特征图分别输入到交互区域学习模块和交互动作学习模块中提取不同的特征信息，再与姿态提取特征模块提取输入图像中人的姿态特征信息共同融合后输出，从而实现在HOI检测中，对输入图像中人物的特征进行精细化处理，更加关注人物交互的区域，凸显出人物交互的关键特征。
-
公开(公告)号：CN115861922A
公开(公告)日：2023-03-28
申请号：CN202211476027.9
申请日：2022-11-23
申请人： 南京恩博科技有限公司
IPC分类号： G06V20/52 , G06V10/24 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/42 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种稀疏烟火检测方法、装置、计算机设备及存储介质，属于计算机视觉技术领域。针对现有技术中存在的在实际烟火目标检测任务中现有目标检测算法对稀疏性无规则目标特征提取差等问题，本发明通过在特征增强提取网络中构建多尺度分块特征增强模块，用于增强与丰富浅层特征图信息，从而获得深层特征信息，对于获得的浅层特征信息和深层特征信息，提出修正的归一化距离交并比损失函数用于计算真实目标框与预测边框之间的空间位置差异，在模型优化过程中能更多地缩小两边框位置的相对距离偏差，从而在实际测试中对烟火目标提取的特征有较高的鲁棒性，能够满足实际复杂场景下烟火目标的实时性精确检测。
-
-
-
-
-
-
-
-
-
搜索结果
52 条记录 (耗时 0.048 秒)
