-
公开(公告)号：CN112507941A
公开(公告)日：2021-03-16
申请号：CN202011499054.9
申请日：2020-12-17
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置，属于计算机视觉技术领域，解决了现有无监督行人重识别方法的精确度较低的问题。方法包括：获取源域数据集和目标域数据集；构建残差网络，将源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征并分别存储至存储器；基于源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至第一损失函数小于设定阈值时，得到残差网络的最优网络结构；将待重识别的目标图像输入残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息。提高了行人重识别的精度。
-
公开(公告)号：CN115471831B
公开(公告)日：2024-01-23
申请号：CN202210393877.6
申请日：2022-04-14
Applicant: 中国矿业大学
IPC: G06V20/62 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种基于文本增强学习的图像显著性检测方法，该方法构建了基于文本增强学习的图像显著性检测模型，整个显著性检测模型在结构上采用先分后合的TEL‑SD两分支架构，即分别对输入图像进行文本特征提取和图像显著性特征提取，然后通过一个融合层进行特征融合，最终得到显著性图像。本发明综合考虑了文本区域和图片区域之间的相互作用，从而能够预测出人们在观察同时包含文字和图片的图像时，注视点的连续分布情况，弥补了现有技术的空
-
公开(公告)号：CN112507941B
公开(公告)日：2024-05-10
申请号：CN202011499054.9
申请日：2020-12-17
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种面向矿井AI视频分析的跨视域行人重识别方法及装置，属于计算机视觉技术领域，解决了现有无监督行人重识别方法的精确度较低的问题。方法包括：获取源域数据集和目标域数据集；构建残差网络，将源域数据集和目标域数据集分别输入残差网络进行特征提取，得到源域数据集对应的特征和目标域数据集对应的特征并分别存储至存储器；基于源域数据集对应的特征和目标域数据集对应的特征得到第一损失函数；调节残差网络的参数，直至第一损失函数小于设定阈值时，得到残差网络的最优网络结构；将待重识别的目标图像输入残差网络的最优网络结构，得到待重识别的目标图像对应的行人信息。提高了行人重识别的精度。
-
Patent Agency Ranking
公开(公告)号：CN113095229B
公开(公告)日：2024-04-12
申请号：CN202110399589.7
申请日：2021-04-14
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V20/40 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种无监督域自适应行人重识别系统及方法，属于行人重识别技术领域，解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，获得行人重识别网络模型的分类损失函数和样本不变性损失函数，根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，利用优化好的行人重识别网络模型进行行人重识别，获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失，提高行人重识别的精度。
-
公开(公告)号：CN112541912B
公开(公告)日：2024-03-12
申请号：CN202011541385.4
申请日：2020-12-23
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06V10/25 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/26
Abstract: 本发明涉及一种矿井突发灾害场景中显著性目标的快速检测方法及装置，属于计算机视觉技术领域，解决了现有的显著性目标检测方法的检测精度较差和速度较慢的问题。方法包括：获取关于矿井突发灾害场景的输入图像；构造Unet网络，将输入图像输入Unet网络，得到输入图像对应的分割映射图像；构造全卷积FCN网络，将输入图像输入全卷积FCN网络，得到输入图像对应的显著性映射图像；将输入图像对应的分割映射图像和输入图像对应的显著性映射图像融合，得到融合映射图像，并基于融合映射图像得到局部图；基于局部图获得最终的显著性目标。实现了矿井突发灾害场景中显著性目标的快速检测，提高了显著性目标检测的精度和速度。
-
公开(公告)号：CN115471831A
公开(公告)日：2022-12-13
申请号：CN202210393877.6
申请日：2022-04-14
Applicant: 中国矿业大学
Abstract: 本发明提出一种基于文本增强学习的图像显著性检测方法，该方法构建了基于文本增强学习的图像显著性检测模型，整个显著性检测模型在结构上采用先分后合的TEL‑SD两分支架构，即分别对输入图像进行文本特征提取和图像显著性特征提取，然后通过一个融合层进行特征融合，最终得到显著性图像。本发明综合考虑了文本区域和图片区域之间的相互作用，从而能够预测出人们在观察同时包含文字和图片的图像时，注视点的连续分布情况，弥补了现有技术的空白。
-
公开(公告)号：CN113095229A
公开(公告)日：2021-07-09
申请号：CN202110399589.7
申请日：2021-04-14
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种无监督域自适应行人重识别系统及方法，属于行人重识别技术领域，解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，获得行人重识别网络模型的分类损失函数和样本不变性损失函数，根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，利用优化好的行人重识别网络模型进行行人重识别，获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失，提高行人重识别的精度。
-
公开(公告)号：CN112541912A
公开(公告)日：2021-03-23
申请号：CN202011541385.4
申请日：2020-12-23
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种矿井突发灾害场景中显著性目标的快速检测方法及装置，属于计算机视觉技术领域，解决了现有的显著性目标检测方法的检测精度较差和速度较慢的问题。方法包括：获取关于矿井突发灾害场景的输入图像；构造Unet网络，将输入图像输入Unet网络，得到输入图像对应的分割映射图像；构造全卷积FCN网络，将输入图像输入全卷积FCN网络，得到输入图像对应的显著性映射图像；将输入图像对应的分割映射图像和输入图像对应的显著性映射图像融合，得到融合映射图像，并基于融合映射图像得到局部图；基于局部图获得最终的显著性目标。实现了矿井突发灾害场景中显著性目标的快速检测，提高了显著性目标检测的精度和速度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
