-
公开(公告)号：CN110210405B
公开(公告)日：2021-02-19
申请号：CN201910480613.2
申请日：2019-06-04
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于目标追踪的行人搜索样本扩充方法，用目标追踪网络扩充行人搜索网络样本集，通过强化学习决策对行人搜索网络进行优化更新。本发明将行人搜索网络和目标追踪网络相结合，由于行人搜索网络的性质，在进行目标追踪的时候会对丢失的目标进行再搜索，提高目标追踪的效率，这样可以使得目标追踪网络与行人搜索网络相互促进，形成一个良性循环。
-
公开(公告)号：CN110427813A
公开(公告)日：2019-11-08
申请号：CN201910549345.5
申请日：2019-06-24
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法。其实现方案是：根据行人图像数据集，对行人图像进行目标检测获取训练样本；构建基于多样性样本生成的孪生生成式对抗网络模型，该模型对目标检测后输入的两组行人图像的姿态属性信息互换，实现多样性样本的生成；构建基于保持身份特征的孪生生成式对抗网络模型，该模型利用身份判别器保留生成行人图像的身份信息，从而提升行人重识别对生成行人图像身份的鲁棒性；针对生成式对抗网络优化困难的问题，构建基于多目标优化的孪生生成式对抗网络参数学习方法；为了验证提出的行人重识别方法的有效性，对生成行人图像构成的数据集进行行人重识别方法验证。
-
公开(公告)号：CN110427813B
公开(公告)日：2023-06-09
申请号：CN201910549345.5
申请日：2019-06-24
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/094 , G06T9/00
Abstract: 本发明公开了一种基于姿态指导行人图像生成的孪生生成式对抗网络的行人重识别方法。其实现方案是：根据行人图像数据集，对行人图像进行目标检测获取训练样本；构建基于多样性样本生成的孪生生成式对抗网络模型，该模型对目标检测后输入的两组行人图像的姿态属性信息互换，实现多样性样本的生成；构建基于保持身份特征的孪生生成式对抗网络模型，该模型利用身份判别器保留生成行人图像的身份信息，从而提升行人重识别对生成行人图像身份的鲁棒性；针对生成式对抗网络优化困难的问题，构建基于多目标优化的孪生生成式对抗网络参数学习方法；为了验证提出的行人重识别方法的有效性，对生成行人图像构成的数据集进行行人重识别方法验证。
-
公开(公告)号：CN111539255A
公开(公告)日：2020-08-14
申请号：CN202010227374.2
申请日：2020-03-27
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态图像风格转换的跨模态行人重识别方法，根据行人图像数据集，对训练图像进行收集和预处理获取训练样本；构建解耦图像特征的自动编码网络模型，该模型对处理后输入的行人图像进行特征解耦，分为域无关的内容特征和域相关的风格特征；构建基于模态转换的生成网络和判别网络模型，该模型实现不同域行人图像的风格属性信息互换，实现变换风格的样本生成；本发明方法针对行人重识别算法易受不同光照影响的问题，通过神经网络提取行人图像的特征来学习不同图像的相似性矩阵，该方法学习到的度量矩阵比人为选定的矩阵具有灵活性，更能获得图像特征之间的相似性。
-
公开(公告)号：CN111259758B
公开(公告)日：2023-04-07
申请号：CN202010030047.8
申请日：2020-01-13
Applicant: 中国矿业大学
IPC: G06V20/13 , G06V20/17 , G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种针对密集区域的两阶段遥感图像目标检测方法，主要解决现有技术对目标密集区域目标识别准确率低的问题，其步骤为：1、对于输入图像进行数据增强操作，增加训练样本集；2、构建基于多尺度特征提取模块；3、在不同尺度的特征图上进行目标检测，找出目标密集的区域；4、针对目标密集的区域进行二次目标检测；5、对检测出的目标进行分类和位置回归，输出目标对应的分类标签和位置坐标，完成对图像的目标识别和定位。本发明利用网络多尺度结构的特点提取和融合不同尺度下的特征图来检测不同大小的目标，并对目标密集度高的区域进行二次检测，提高了小目标识别准确率。该方法可用于无人机以及卫星对目标的检测，侦查和监视。
-
Patent Agency Ranking
公开(公告)号：CN110363068A
公开(公告)日：2019-10-22
申请号：CN201910450597.2
申请日：2019-05-28
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多尺度循环生成式对抗网络的高分辨行人图像生成方法，解决由监控设备拍摄到的行人图像分辨率存在差异的问题。其实现方案是：提出基于多尺度循环生成式对抗网络的高分辨行人图像生成模型，采用多尺度生成网络模型将低分辨率行人图像转换为高分辨行人图像，该模型生成器分为两个子生成网络：全局生成网络和局部增强网络；其次采用循环生成式对抗网络技术通过对抗学习的方法来训练多尺度生成器，目的是解决生成高分辨图像失真问题以及还原行人图像的背景信息；针对网络模型复杂度高和参数多的问题，使用多阶段学习方法来训练多尺度循环生成式对抗网络高分辨行人图像生成模型，实现网络性能的稳步提升。
-
-
公开(公告)号：CN110210405A
公开(公告)日：2019-09-06
申请号：CN201910480613.2
申请日：2019-06-04
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于目标追踪的行人搜索样本扩充方法，用目标追踪网络扩充行人搜索网络样本集，通过强化学习决策对行人搜索网络进行优化更新。本发明将行人搜索网络和目标追踪网络相结合，由于行人搜索网络的性质，在进行目标追踪的时候会对丢失的目标进行再搜索，提高目标追踪的效率，这样可以使得目标追踪网络与行人搜索网络相互促进，形成一个良性循环。
-
公开(公告)号：CN110363068B
公开(公告)日：2023-08-18
申请号：CN201910450597.2
申请日：2019-05-28
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/044
Abstract: 本发明公开了一种基于多尺度循环生成式对抗网络的高分辨行人图像生成方法，解决由监控设备拍摄到的行人图像分辨率存在差异的问题。其实现方案是：提出基于多尺度循环生成式对抗网络的高分辨行人图像生成模型，采用多尺度生成网络模型将低分辨率行人图像转换为高分辨行人图像，该模型生成器分为两个子生成网络：全局生成网络和局部增强网络；其次采用循环生成式对抗网络技术通过对抗学习的方法来训练多尺度生成器，目的是解决生成高分辨图像失真问题以及还原行人图像的背景信息；针对网络模型复杂度高和参数多的问题，使用多阶段学习方法来训练多尺度循环生成式对抗网络高分辨行人图像生成模型，实现网络性能的稳步提升。
-
公开(公告)号：CN111539255B
公开(公告)日：2023-04-18
申请号：CN202010227374.2
申请日：2020-03-27
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态图像风格转换的跨模态行人重识别方法，根据行人图像数据集，对训练图像进行收集和预处理获取训练样本；构建解耦图像特征的自动编码网络模型，该模型对处理后输入的行人图像进行特征解耦，分为域无关的内容特征和域相关的风格特征；构建基于模态转换的生成网络和判别网络模型，该模型实现不同域行人图像的风格属性信息互换，实现变换风格的样本生成；本发明方法针对行人重识别算法易受不同光照影响的问题，通过神经网络提取行人图像的特征来学习不同图像的相似性矩阵，该方法学习到的度量矩阵比人为选定的矩阵具有灵活性，更能获得图像特征之间的相似性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
