-
公开(公告)号：CN109063649A
公开(公告)日：2018-12-21
申请号：CN201810876899.1
申请日：2018-08-03
Applicant: 中国矿业大学
CPC classification number: G06K9/00362 , G06N3/0454
Abstract: 本发明公开了一种基于孪生行人对齐残差网络的行人重识别方法，包括以下步骤：S1、构建基础分支孪生残差网络；S2、构建行人对齐分支孪生残差网络；S3、利用已构造好的训练数据集对构建好的基础分支孪生网络和行人对齐分支孪生残差网络进行参数训练，将训练好的基础分支孪生残差网络中基础分支原型和行人对齐分支孪生残差网络中行人对齐分支原型取出进行行人重识别的分类模型。本发明提升了原有算法行人重识别的准确度。
-
公开(公告)号：CN108805200A
公开(公告)日：2018-11-13
申请号：CN201810589587.2
申请日：2018-06-08
Applicant: 中国矿业大学
CPC classification number: G06K9/6267 , G06K9/0063 , G06K9/6215 , G06K9/6256
Abstract: 本发明公开了一种基于深度孪生残差网络的光学遥感图像分类方法，属于图像处理技术领域。在训练阶段，首先通过两个完全相同的深度残差网络，对输入的遥感图像对进行特征提取，分别得到它们的特征表示，然后结合这两个特征表示计算其在特征空间的欧氏距离，以判断输入图像对的相似程度。在测试阶段，使用训练好的任一个深度残差网络对输入图像进行场景分类。本发明可对大规模的高分辨遥感图像进行场景分类，可在自然灾害监测与评估，城市规划，环境监测等领域发挥重要作用。
-
公开(公告)号：CN108805200B
公开(公告)日：2022-02-08
申请号：CN201810589587.2
申请日：2018-06-08
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06V20/10 , G06K9/62
Abstract: 本发明公开了一种基于深度孪生残差网络的光学遥感图像分类方法，属于图像处理技术领域。在训练阶段，首先通过两个完全相同的深度残差网络，对输入的遥感图像对进行特征提取，分别得到它们的特征表示，然后结合这两个特征表示计算其在特征空间的欧氏距离，以判断输入图像对的相似程度。在测试阶段，使用训练好的任一个深度残差网络对输入图像进行场景分类。本发明可对大规模的高分辨遥感图像进行场景分类，可在自然灾害监测与评估，城市规划，环境监测等领域发挥重要作用。
-
公开(公告)号：CN109063649B
公开(公告)日：2021-05-14
申请号：CN201810876899.1
申请日：2018-08-03
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于孪生行人对齐残差网络的行人重识别方法，包括以下步骤：S1、构建基础分支孪生残差网络；S2、构建行人对齐分支孪生残差网络；S3、利用已构造好的训练数据集对构建好的基础分支孪生网络和行人对齐分支孪生残差网络进行参数训练，将训练好的基础分支孪生残差网络中基础分支原型和行人对齐分支孪生残差网络中行人对齐分支原型取出进行行人重识别的分类模型。本发明提升了原有算法行人重识别的准确度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
