-
公开(公告)号：CN110210383B
公开(公告)日：2021-08-17
申请号：CN201910466869.8
申请日：2019-05-31
Applicant: 北京工业大学
Abstract: 一种融合运动模式和关键视觉信息的篮球视频语义事件识别方法属于视频语义事件识别领域。为实现篮球视频中的语义事件自动识别，首先基于相机镜头变化的固有属性，将混叠运动分解为全局运动和局部运动。然后基于这两种模态的数据，应用双流3D卷积神经网络网络，实现篮球视频中的群体活动的识别。随后，应用卷积神经网络对篮框区域的表观特征变化进行表达，实现事件成功失败的判别。最后，融合这两部分的预测结果，实现篮球视频中的语义事件识别。此发明对篮球视频数据智能化管理、篮球技战术分析和自动转播等应用奠定了基础。
-
公开(公告)号：CN109741318A
公开(公告)日：2019-05-10
申请号：CN201811648244.5
申请日：2018-12-30
Applicant: 北京工业大学
Abstract: 本发明提供了基于有效感受野的单阶段多尺度特定目标的实时检测方法。该方法首先是从SSD的多尺度架构中提取出相应的特征层，并根据感受野覆盖的像素范围来选择尺度；其次，我们移除了传统方法中的anchor结构，采用更少的特征层，利用天然感受野的特性直接对特征图的对应的感受野框进行分类和回归。最后采用RF(感受野)采样框置灰学习策略，避免学习冗杂多余参数。本方法大大降低了传统基于anchor采样框的算法复杂度，提高了检测的效率并能够达到实时的效果，在数据量非常大的应用背景下非常具有使用价值。
-
公开(公告)号：CN109741318B
公开(公告)日：2022-03-29
申请号：CN201811648244.5
申请日：2018-12-30
Applicant: 北京工业大学
Abstract: 本发明提供了基于有效感受野的单阶段多尺度特定目标的实时检测方法。该方法首先是从SSD的多尺度架构中提取出相应的特征层，并根据感受野覆盖的像素范围来选择尺度；其次，我们移除了传统方法中的anchor结构，采用更少的特征层，利用天然感受野的特性直接对特征图的对应的感受野框进行分类和回归。最后采用RF(感受野)采样框置灰学习策略，避免学习冗杂多余参数。本方法大大降低了传统基于anchor采样框的算法复杂度，提高了检测的效率并能够达到实时的效果，在数据量非常大的应用背景下非常具有使用价值。
-
公开(公告)号：CN110210383A
公开(公告)日：2019-09-06
申请号：CN201910466869.8
申请日：2019-05-31
Applicant: 北京工业大学
Abstract: 一种融合运动模式和关键视觉信息的篮球视频语义事件识别方法属于视频语义事件识别领域。为实现篮球视频中的语义事件自动识别，首先基于相机镜头变化的固有属性，将混叠运动分解为全局运动和局部运动。然后基于这两种模态的数据，应用双流3D卷积神经网络网络，实现篮球视频中的群体活动的识别。随后，应用卷积神经网络对篮框区域的表观特征变化进行表达，实现事件成功失败的判别。最后，融合这两部分的预测结果，实现篮球视频中的语义事件识别。此发明对篮球视频数据智能化管理、篮球技战术分析和自动转播等应用奠定了基础。
-
-
-
Search Results
4
records
(took 0.026 seconds)
