-
公开(公告)号：CN110222585B
公开(公告)日：2021-07-27
申请号：CN201910400365.6
申请日：2019-05-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于级联检测器的运动目标跟踪方法，包括：(1)相关滤波跟踪器的初始化；(2)级联检测器的初始化；(3)相关滤波跟踪器获取第一感兴趣区域；(4)级联分类器目标检测；(5)第一感兴趣区域与检测区域的综合；(6)更新跟踪模型与级联检测器；其中，通过相关滤波跟踪器获取第一感兴趣区域，级联检测器包括方差分类器、多通道随机蕨分类器和相关一致分类器，通过三种分类器获取检测区域，第一感兴趣区域和检测区域进行加权修正获取第二感兴趣区域，可有效地防止跟踪结果的振荡，同时采用级联检测器可保证跟踪模型获取的第一感兴趣区域的准确性。
-
公开(公告)号：CN108629746A
公开(公告)日：2018-10-09
申请号：CN201810375532.1
申请日：2018-04-24
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，包括：将雷达图像输入训练好的卷积神经网络，得到抑制斑噪的结果图像；卷积神经网络的训练方法包括：在遥感图像中叠加斑噪得到叠加斑噪后的图像，将叠加斑噪后的图像输入卷积神经网络，得到训练输出图像；根据遥感图像和训练输出图像的均方误差，得到误差损失，利用遥感图像和训练输出图像的互相关系数，得到相关损失；利用误差损失和相关损失，进行反向传播，更新卷积神经网络的权值参数；进而得到训练好的卷积神经网络。本发明利用误差损失和相关损失，更新卷积神经网络的权值参数，有效的提高了网络的雷达图像斑噪抑制效果。
-
公开(公告)号：CN108629746B
公开(公告)日：2022-02-15
申请号：CN201810375532.1
申请日：2018-04-24
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，包括：将雷达图像输入训练好的卷积神经网络，得到抑制斑噪的结果图像；卷积神经网络的训练方法包括：在遥感图像中叠加斑噪得到叠加斑噪后的图像，将叠加斑噪后的图像输入卷积神经网络，得到训练输出图像；根据遥感图像和训练输出图像的均方误差，得到误差损失，利用遥感图像和训练输出图像的互相关系数，得到相关损失；利用误差损失和相关损失，进行反向传播，更新卷积神经网络的权值参数；进而得到训练好的卷积神经网络。本发明利用误差损失和相关损失，更新卷积神经网络的权值参数，有效的提高了网络的雷达图像斑噪抑制效果。
-
公开(公告)号：CN110222585A
公开(公告)日：2019-09-10
申请号：CN201910400365.6
申请日：2019-05-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于级联检测器的运动目标跟踪方法，包括：(1)相关滤波跟踪器的初始化；(2)级联检测器的初始化；(3)相关滤波跟踪器获取第一感兴趣区域；(4)级联分类器目标检测；(5)第一感兴趣区域与检测区域的综合；(6)更新跟踪模型与级联检测器；其中，通过相关滤波跟踪器获取第一感兴趣区域，级联检测器包括方差分类器、多通道随机蕨分类器和相关一致分类器，通过三种分类器获取检测区域，第一感兴趣区域和检测区域进行加权修正获取第二感兴趣区域，可有效地防止跟踪结果的振荡，同时采用级联检测器可保证跟踪模型获取的第一感兴趣区域的准确性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
