-
公开(公告)号：CN112381829A
公开(公告)日：2021-02-19
申请号：CN202011266136.9
申请日：2020-11-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于视觉注意机制的自主学习导航方法，该方法使用发育神经网络作为核心算法，同时加入受人类视觉系统启发的视觉注意机制，在接收图像传感器输入的同时，只需要接收前两个时刻的导航引导信息，即可持续不断的输出正确的导航信息，由于注意机制的加入，该方法对复杂和多噪声的导航环境也有很好的鲁棒性。
-
公开(公告)号：CN109086797B
公开(公告)日：2021-12-28
申请号：CN201810715741.6
申请日：2018-06-29
Applicant: 中国地质大学(武汉)
Abstract: 一种基于注意机制的异常事件监测方法及系统，包括模型训练步骤和数据处理步骤，模型训练步骤包括前向传播步骤和后向传播步骤。前向传播步骤中选取VGG网络结构，将选取的图片通过VGG网络进行特征提取，每张图片得到k*k*D特征立方体，在基于注意力的模型中，每个时间，LSTM都会生成一个k*k区域的概率值并与下一帧的特征立方体相乘作为下一帧的输入。后向传播步骤在利用训练数据训练时，在前一帧训练完成时，利用损失函数和注意力惩罚所形成的双重随机惩罚函数的最优解来更新前向传播时的权值。数据处理步骤：利用训练得到的模型，对待处理视频进行处理，检测出异常事件及异常事件的发生区域。本发明不仅能更好的检测出异常还能检测出异常区域范围。
-
公开(公告)号：CN109086797A
公开(公告)日：2018-12-25
申请号：CN201810715741.6
申请日：2018-06-29
Applicant: 中国地质大学(武汉)
Abstract: 一种基于注意机制的异常事件监测方法及系统，包括模型训练步骤和数据处理步骤，模型训练步骤包括前向传播步骤和后向传播步骤。前向传播步骤中选取VGG网络结构，将选取的图片通过VGG网络进行特征提取，每张图片得到k*k*D特征立方体，在基于注意力的模型中，每个时间，LSTM都会生成一个k*k区域的概率值并与下一帧的特征立方体相乘作为下一帧的输入。后向传播步骤在利用训练数据训练时，在前一帧训练完成时，利用损失函数和注意力惩罚所形成的双重随机惩罚函数的最优解来更新前向传播时的权值。数据处理步骤：利用训练得到的模型，对待处理视频进行处理，检测出异常事件及异常事件的发生区域。本发明不仅能更好的检测出异常还能检测出异常区域范围。
-
Patent Agency Ranking
公开(公告)号：CN110458013B
公开(公告)日：2022-05-06
申请号：CN201910603012.6
申请日：2019-07-05
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于实例级注意机制的交通异常事件检测方法，采用可自主学习的多目标检测器作为前端检测模块，完成对场景中的车辆检测，然后通过VGG19网络对视频帧和目标物进行特征提取，并将特征输入到注意模块中为场景中的检测车辆分配相应的注意权重，最后通过LSTM和Softmax完成异常事件的检测。本发明的有益效果是：使用可自主学习的多目标检测器作为前端检测模块，能够自主学习，逐步提高检测性能；加入了注意机制，提高事件检测的精确度；可以对异常事件进行分类，使监控方能精准的根据事件类型做出相应的决策。
-
公开(公告)号：CN110458022B
公开(公告)日：2022-07-12
申请号：CN201910621187.X
申请日：2019-07-10
Applicant: 中国地质大学(武汉)
IPC: G06V20/52 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本发明提供了一种基于域适应的可自主学习目标检测方法，采用任一通用检测器作为初始检测器，设置置信度阈值β和自适应阈值θ，对目标域进行检测，得到正样本、负样本和难样本；从INRIA Person数据集中选择若干样本得到任一源域样本，利用CycleGAN模型将源域样本转换为目标域样本；将目标域样本作为VGG19分类器的训练集，对VGG19分类器进行训练，得到最终VGG19分类器；利用最终VGG19分类器对难样本进行分类，得到新的正样本和负样本；以新的正样本和负样本对初始检测器进行优化，得到目标检测器；利用目标检测器对实际目标域进行目标检测，得到检测目标。本发明的有益效果是：提高了通用检测器的目标检测性能和目标检测精度，解决了域迁移问题，可应用于任意监控场景。
-
公开(公告)号：CN110458022A
公开(公告)日：2019-11-15
申请号：CN201910621187.X
申请日：2019-07-10
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于域适应的可自主学习目标检测方法，采用任一通用检测器作为初始检测器，设置置信度阈值β和自适应阈值θ，对目标域进行检测，得到正样本、负样本和难样本；从INRIA Person数据集中选择若干样本得到任一源域样本，利用CycleGAN模型将源域样本转换为目标域样本；将目标域样本作为VGG19分类器的训练集，对VGG19分类器进行训练，得到最终VGG19分类器；利用最终VGG19分类器对难样本进行分类，得到新的正样本和负样本；以新的正样本和负样本对初始检测器进行优化，得到目标检测器；利用目标检测器对实际目标域进行目标检测，得到检测目标。本发明的有益效果是：提高了通用检测器的目标检测性能和目标检测精度，解决了域迁移问题，可应用于任意监控场景。
-
公开(公告)号：CN110458013A
公开(公告)日：2019-11-15
申请号：CN201910603012.6
申请日：2019-07-05
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于实例级注意机制的交通异常事件检测方法，采用可自主学习的多目标检测器作为前端检测模块，完成对场景中的车辆检测，然后通过VGG19网络对视频帧和目标物进行特征提取，并将特征输入到注意模块中为场景中的检测车辆分配相应的注意权重，最后通过LSTM和Softmax完成异常事件的检测。本发明的有益效果是：使用可自主学习的多目标检测器作为前端检测模块，能够自主学习，逐步提高检测性能；加入了注意机制，提高事件检测的精确度；可以对异常事件进行分类，使监控方能精准的根据事件类型做出相应的决策。
-
公开(公告)号：CN108038515A
公开(公告)日：2018-05-15
申请号：CN201711449126.7
申请日：2017-12-27
Applicant: 中国地质大学(武汉)
Abstract: 一种无监督多目标跟踪检测方法及其存储装置与摄像装置，对获取的图像数据的每一帧分别进行仿射变换以构建训练样本集，根据预设的置信度阈值β和自适应阈值θ，采用OSF分类器对第一帧之后的图像数据进行分类，分类出每一帧的OSF正样本、OSF负样本以及OSF困难样本，通过ISVM分类器对OSF困难样本进行分类，以ISVM分类器分类后形成的新的θ更新自适应阈值θ，反复进行上述步骤直至达到自适应阈值θ收敛到预设程度，利用训练完成之后的OSF分类器和ISVM分类器，对获取的视频目标中的目标进行跟踪检测。本方法在完全不需要人为干预的情况下，只需在视频的第一帧中人为框选需要检测跟踪的目标，便能不断自主学习，逐步提高分类器性能，最终实现多目标检测与跟踪。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
