-
公开(公告)号：CN114677633B
公开(公告)日：2022-12-02
申请号：CN202210579638.X
申请日：2022-05-26
IPC: G06V20/40 , G06V20/52 , G06V40/10 , G06V10/82 , G06V10/80 , G06V10/74 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于多部件特征融合的行人检测多目标跟踪系统及方法，首先，获取行人图像数据集并进行行人多部件标注；其次，构造并训练基于多部件特征融合的行人检测多目标跟踪系统，系统包括沙漏模块、目标尺寸回归模块、目标中心点偏移回归模块、目标中心点热度图模块和多部件特征融合模块；然后，基于所述训练得到的模型进行推理获取单帧行人检测结果及多帧的行人融合特征；其次，计算当前帧检测得到的行人特征与前一帧轨迹的融合特征的相似度；最终，利用所述相似度矩阵进行数据关联，生成当前帧的行人轨迹，并更新轨迹的特征。本方法耗时较低，且对遮挡问题鲁棒性较好。
-
公开(公告)号：CN113297906B
公开(公告)日：2022-09-09
申请号：CN202110423900.7
申请日：2021-04-20
Abstract: 本发明公开了一种基于知识蒸馏的行人重识别模型压缩方法及评价方法，压缩方法包括如下步骤：S1：预训练行人重识别教师模型；S2：构建行人重识别学生模型；S3：构建低阶状态蒸馏损失和高阶结构蒸馏损失，将教师模型的知识迁移到学生模型，联合优化行人重识别任务损失和蒸馏损失进行训练；评价方法还包括如下步骤：S4：将底库测试集输入训练好的学生模型，获得底库行人特征；S5：将查询测试集输入训练好的学生模型，获得行人特征，与底库行人特征进行相似度计算，经度量排序找到与之具有相同身份的底库行人图片，计算时间效率和性能准确度。
-
公开(公告)号：CN112257683A
公开(公告)日：2021-01-22
申请号：CN202011417659.9
申请日：2020-12-07
Applicant: 之江实验室
Abstract: 本发明公开了一种面向车辆运行轨迹监测的跨镜追踪方法，该方法包括采用生成对抗网络扩充车辆视频数据集，并在扩充后的数据集上训练基于轻量化卷积神经网络的车辆检测模型；将车辆检测模型部署到所有摄像头上，并创建摄像头间的位置关联字典；采用车辆检测模型提取摄像头中拍摄到的车辆的表观特征及在镜头内的连续位置，根据车辆的移动方向预测出车辆可能出现的下一组摄像头；将车辆的表观特征广播至下一组摄像头中，并根据表观特征在下一组摄像头中对车辆进行追踪，最终完成车辆的跨镜追踪。本发明所采用的跨镜追踪方法，能够实现对车辆的运行轨迹进行实时监测，当发现被监测车辆脱离预设路线时发出预警，可以协助监管人员快速排查被监测车辆。
-
公开(公告)号：CN111507317A
公开(公告)日：2020-08-07
申请号：CN202010613767.7
申请日：2020-06-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于视觉的旋转设备作业手套佩戴检测方法及系统，包括：获取生产车间中实时生成的监控视频图像，在监控视频图像中绘制凸多边形规则框，使得整个旋转设备落于规则框内；基于人体目标检测神经网络模型对监控视频图像进行人体目标检测，获得目标人体；基于人体骨骼关键点检测神经网络模型对目标人体进行人体关键点检测，获得处于规则框内的目标人体的双手关键点；对双手关键点进行区域分割，得到感兴趣区域，并对感兴趣区域进行初始分类；对初始分类后的感兴趣区域进行跟踪，并通过联合投票算法得到感兴趣区域的最终分类结果。本发明可以降低漏检，提高手套检测及分类的准确率，并通过多线程流水线处理模式降低整个处理过程的耗时。
-
公开(公告)号：CN111368815A
公开(公告)日：2020-07-03
申请号：CN202010467045.5
申请日：2020-05-28
Applicant: 之江实验室
Abstract: 本发明提供了一种基于多部件自注意力机制的行人重识别方法，该方法首先预训练深度卷积神经网络骨干模型；然后对骨干模型进行分支后构建多部件自注意力网络，获得多部件自注意力特征；接着将多部件自注意力特征输入分类器，联合训练最小化交叉熵损失和度量损失；最后将测试集图片输入训练好的模型，融合输出的部件特征获得整体特征，经度量排序实现行人重识别。本发明通过充分考虑行人重识别问题中存在的各种挑战，提出了多部件自注意力机制，有效地扩展了注意力激活区域，丰富了行人特征；自注意力模块使网络更充分细致地关注具有判别特性的区域就，其中空间注意力模块和通道注意力模块以残差的形式融入网络，使得网络更加健壮稳定，容易训练。
-
Patent Agency Ranking
公开(公告)号：CN119535420A
公开(公告)日：2025-02-28
申请号：CN202411618975.0
申请日：2024-11-13
Applicant: 之江实验室
IPC: G01S7/52
Abstract: 本说明书公开了一种相控阵坏道自动检测方法、装置、存储介质及设备，可以在大型传感器阵列运行时，通过对每个阵元所采集到的待检测接收信号进行均方根值分析以及频率特性分析，以对每个阵元进行检测，并在检测到某个阵元出现问题时，立即重新计算剩余正常工作的阵元在波束形成时所使用的权重系数，以确保整个阵列的性能不受影响，以提高波束图的质量，减少不必要的旁瓣干扰，并提高目标方位估计的准确性。
-
公开(公告)号：CN119011030B
公开(公告)日：2025-02-11
申请号：CN202411471224.0
申请日：2024-10-22
Applicant: 之江实验室
IPC: H04B10/556 , H04B10/564 , H04B17/00 , H04B17/391
Abstract: 本发明涉及一种射电天文信号与射频干扰模拟方法及其应用、设备及介质，包括备选射电天文信号生成、备选射频干扰生成、当次射电天文信号与射频干扰产生、天线阵列模拟、采集系统模拟、网络传输模拟和源数据生成等部分，能够基于实测与仿真信号，在时域、频域、空域和功率域随机生成含有射电天文信号和射频干扰的混合信号，并通过模拟不同接收天线阵列和采集系统响应，生成数据集，可作为测试数据通过网络传输至射电天文信号处理系统，也可生成深度学习所需带有标签的源数据为科学研究提供支撑。与现有技术相比，本发明通过仿真与实测信号利用相结合的方法，解决了射电望远镜后端处理系统所需测试数据的产生问题，模拟的信号与场景更加复杂且逼真。
-
公开(公告)号：CN117058492A
公开(公告)日：2023-11-14
申请号：CN202311322535.6
申请日：2023-10-13
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/70 , G06N3/09 , G06N5/04
Abstract: 一种基于学习解耦的两阶段训练病害识别方法和系统，其方法包括：步骤S1：采集待识别作物的图像样本，制作训练数据集；步骤S2：构造基于学习解耦的分类算法网络模型；步骤S3：对基于学习解耦的分类算法模型进行一阶段训练；步骤S4：固定部分权重，对基于学习解耦的分类算法模型进行二阶段训练；步骤S5：基于训练得到的基于学习解耦的分类算法模型进行推理，最终得到待分类目标叶片的病害种类和病害等级。本发明具有准确度高，标注成本极低，且可实现单模型对病害种类和病害等级进行细分类识别。
-
公开(公告)号：CN113763471A
公开(公告)日：2021-12-07
申请号：CN202110997123.7
申请日：2021-08-27
Abstract: 本发明公开了一种基于视觉的弹孔检测方法及系统，方法包括：S1，获取打靶弹孔图像数据集并进行弹孔标注；S2，构造一种卷积特征与纹理特征深度融合的超轻量化网络，并基于弹孔图像数据，进行模型训练得到检测模型；S3，基于训练得到的检测模型进行推理，获取单帧弹孔检测结果；S4，基于多帧检测结果，构建当前帧的弹孔积分图；S5，基于当前帧弹孔积分图与前一帧的弹孔积分图，进行匹配和帧差，获取当前帧的新增弹孔；系统包括：聚焦层、嵌套瓶颈层、卷积层，以及由单尺度目标回归子网络、纹理特征提取单元、特征融合与优选模块构成的特征融合与单尺度目标回归模块；本发明降低了资源消耗，且检测准确度、鲁棒性好。
-
公开(公告)号：CN113435588A
公开(公告)日：2021-09-24
申请号：CN202110988504.9
申请日：2021-08-26
Applicant: 之江实验室
Abstract: 本发明公开了基于深度卷积神经网络BN层尺度系数的卷积核嫁接方法，首先设置两组不同的训练策略；然后采用两组策略训练同构的两个深度卷积神经网络，训练过程中，对两个深度卷积神经网络的BN层尺度系数进行稀疏化；同时采用特征图学习的方式，保持两个深度卷积神经网络的层内卷积核权值分布的一致性；根据BN层尺度系数，每隔一定迭代次数，将其中一个深度卷积神经网络层内BN层对应尺度系数小的卷积核，替换为另一个深度卷积神经网络层内BN层对应尺度系数大的卷积核。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.027 seconds)
