基于双一致性约束的行人再识别技术

    公开(公告)号:CN113065434A

    公开(公告)日:2021-07-02

    申请号:CN202110312827.6

    申请日:2021-03-24

    Abstract: 本发明设计了一种基于双一致性约束的行人再识别技术,属于计算机视觉图像技术领域。针对目前行人再识别模型过拟合至训练相机,难以泛化到新相机的问题,本发明提出了分布一致性约束以及知识一致性约束,引导模型提取相机无关特征。分布一致性约束要求不同相机的输出特征服从一致分布,由相机分布对齐损失函数实施。知识一致性目的是要求模型在不同相机中学习到的参数更新相似,由知识一致正则化向实施。实验结果表明我们的策略能够提升模型过滤相机信息,提取相机无关特征的能力,有效地增强模型对新相机的泛化能力。

    基于双路编解码器的低照度图像亮度增强及超分辨率方法

    公开(公告)号:CN112614061A

    公开(公告)日:2021-04-06

    申请号:CN202011443876.5

    申请日:2020-12-08

    Abstract: 本发明涉及一种基于双路编解码器的低照度图像亮度增强及超分辨率方法,属于计算机视觉图像技术领域。第一步,通过共享参数的编码器对暗光图像进行特征提取,得到一组特征图;第二步,将特征图送入超分辨率解码器进行解码,得到超分辨率特征图;第三步,对第一步中编码器输出的特征图和第二步的超分辨率特征图分别进行池化得到两个特征向量,并使用注意力机制对其加权融合,然后送入低照度解码器进行解码。最后,对两个解码器的输出进行后处理,得到超分辨率后的对应图像。本发明设计合理,针对目前低照度增强方法的缺陷,将低照度增强和图像超分辨率任务相结合,提高了重建图像的视觉效果,整体在低照度增强和超分综合任务上取得了较好的效果。

    一种结合剪枝与知识蒸馏的卷积神经网络模型压缩方法

    公开(公告)号:CN113159173B

    公开(公告)日:2024-04-26

    申请号:CN202110427314.X

    申请日:2021-04-20

    Abstract: 本发明涉及一种结合剪枝与知识蒸馏的卷积神经网络模型压缩方法。该方法包括:获取图像训练集A;获取目标网络模型,对其包含的每个通道引入缩放因子γ;对目标网络模型进行训练,将训练后的模型作为教师网络;按照缩放因子γ的绝对值大小对教师网络的通道数剪枝,将剪枝后的模型视为学生网络;获取图像训练集A中少量图像,同时输入教师、学生网络,分别计算教师、学生网络各卷积层通道输出的特征图之间的分布差异;将分布差异作为损失函数,对学生网络进行训练,使其模型精度快速恢复至教师网络的水平;输出训练后的学生网络。本发明具有压缩率高、快速恢复压缩模型精度的优势,从而便于网络模型在终端设备上的部署。

    红外视频监控报警装置及方法

    公开(公告)号:CN1874500A

    公开(公告)日:2006-12-06

    申请号:CN200610083658.9

    申请日:2006-06-02

    Abstract: 一种红外视频监控报警装置和方法,该装置由DSP芯片及其外围器件:视频信号A/D转换单元、复杂可编程逻辑部件CPLD、帧存RAM芯片、FLASH芯片、SRAM芯片和报警信号输出接口及电池电源组成,其中顺序连接的红外摄像头、视频信号A/D转换单元、CPLD芯片和帧存RAM芯片组成数字视频信号采集和存储部件,由DSP芯片和FLASH芯片、SRAM芯片、报警信号输出接口组成视频信息处理和报警部件。装置结构简单,体积小,成本低,功耗低,用电池供电,能方便地将该装置固装在列车车身上,实时采集周围场景图像,并采用全局误差积累算法对列车停放时的视频图像进行监测、处理,能及时发现滑轨和实时报警,工作可靠,具有高效、准确的报警功能和很强的抗干扰性能。

    基于非配对训练的错误曝光图像的亮度调节方法

    公开(公告)号:CN114004752B

    公开(公告)日:2025-04-29

    申请号:CN202111008281.1

    申请日:2021-08-30

    Abstract: 本发明设计了一种基于非配对训练的错误曝光图像的亮度调节方法,属于计算机视觉图像技术领域。本发明首先将任意亮度等级的图像和目标亮度的图像通过编码器分别解耦为内容分量和一个满足高斯分布的亮度分量,或直接输入一个高斯分布作为目标亮度分量,然后通过解码器将待处理的某亮度图像的内容分量和目标的亮度分量重新耦合生成目标亮度的图像。其中对亮度分量的处理是指将不同亮度等级的亮度分量拟合为唯一对应的高斯分布,将其转化为可调节的变量,本发明通过控制高斯分布的均值来实现目标亮度的转化。实验表明,本发明实现了图像不同亮度间的转化,能够有效恢复不同程度的欠曝和过曝图像,并在各个数据集较强的泛化能力。

    基于纯噪声训练的亮度可调的低照度图像增强方法

    公开(公告)号:CN116579947A

    公开(公告)日:2023-08-11

    申请号:CN202310604365.4

    申请日:2023-05-26

    Abstract: 本发明涉及一种基于纯噪声训练的亮度可调的低照度图像增强方法,其技术特点是:训练阶段采样随机高斯噪声作为低照度输入图像;将低照度输入图像和亮度变化因子分别送入到图像处理模块和亮度处理模块中,得到特征图和特征向量;对特征图和特征向量通过卷积和非线性变换的操作,实现特征的融合和重构,输出通道数为6的曲线参数;将低照度输入图像增强为由亮度变化因子的幅值指导的具有特定亮度的输出图像;作均值和对比度变换,得到伪参考图像;计算总损失,进行迭代优化网络。本发明采用纯噪声的训练策略,帮助模型绕过常用的色彩恒常和光照平滑损失,使难以设计的非线性曲线形式简化为线性曲线形式,实现了低照度增强领域降本增效的功能。

    一种结合剪枝与知识蒸馏的卷积神经网络模型压缩方法

    公开(公告)号:CN113159173A

    公开(公告)日:2021-07-23

    申请号:CN202110427314.X

    申请日:2021-04-20

    Abstract: 本发明涉及一种结合剪枝与知识蒸馏的卷积神经网络模型压缩方法。该方法包括:获取图像训练集A;获取目标网络模型,对其包含的每个通道引入缩放因子γ;对目标网络模型进行训练,将训练后的模型作为教师网络;按照缩放因子γ的绝对值大小对教师网络的通道数剪枝,将剪枝后的模型视为学生网络;获取图像训练集A中少量图像,同时输入教师、学生网络,分别计算教师、学生网络各卷积层通道输出的特征图之间的分布差异;将分布差异作为损失函数,对学生网络进行训练,使其模型精度快速恢复至教师网络的水平;输出训练后的学生网络。本发明具有压缩率高、快速恢复压缩模型精度的优势,从而便于网络模型在终端设备上的部署。

    多模态特征嵌入预训练网络搭配效果评估的上界替代法

    公开(公告)号:CN113158584A

    公开(公告)日:2021-07-23

    申请号:CN202110566230.4

    申请日:2021-05-24

    Abstract: 本发明提出了多模态特征嵌入预训练网络搭配效果评估的上界替代法,属于计算机视觉多模态技术领域。本发明提出的方法包括步骤:1)将所有模态特征嵌入预训练网络所提取到的特征进行遍历搭配;2)对得到的所有的搭配情况,对任务网络按照正式训练时提前设定好的参数,利用测试集部分进行训练;3)、对得到的每种搭配对应的模型,对其在测试集上进行测试,记录每一种搭配所对应的测试结果;4)、对所对应的每一种测试结果,选择效果最好的结果对应的模态特征嵌入预训练网络搭配;5)、对选出的网络搭配,将任务模型在这种搭配下所对应的训练集的特征下进行训练,训练得到的模型就是最优的模型。

    基于HSV色彩空间和Retinex理论的无正常光照参考的低照度图像增强方法

    公开(公告)号:CN112465727A

    公开(公告)日:2021-03-09

    申请号:CN202011439065.8

    申请日:2020-12-07

    Abstract: 本发明设计了一种基于HSV色彩空间和Retinex理论的无正常曝光图像参考的低照度图像增强方法,属于计算机视觉图像技术领域。针对于无正常曝光图像参考的低照度增强任务,本发明将其分解为颜色保留任务和亮度增强任务。对于颜色保留任务,本发明通过HSV色彩空间分离出颜色信息,并保留到增强后的图像上。对于亮度增强任务,本发明通过对分离出的亮度信息进行扰动,得到同一场景的不同光照水平的图像对,通过Retinex理论中的反射一致性约束得到反射分量,并将反射分量作为亮度增强的结果。实验表明,本发明可以有效地增强低照度图像,并在各个数据集和不同光照程度的低照度图像上有很强的泛化能力。

    一种基于信号分解的压缩感知处理和信号重构方法

    公开(公告)号:CN104485966A

    公开(公告)日:2015-04-01

    申请号:CN201410715854.8

    申请日:2014-12-01

    Abstract: 本申请公开了一种基于信号分解的压缩感知处理方法,包括:获取稀疏信号;在稀疏信号中等间隔抽取信号点组成个子信号;其中,L为设定的每个子信号的长度,N为稀疏信号的长度;利用观测矩阵对每个子信号进行压缩感知处理,得到每个子信号的观测向量,并传输给接收端。应用本申请,能够对大数据量的信号进行高效的压缩感知处理和信号重构,且不受信号数据结构的约束。

Patent Agency Ranking