-
公开(公告)号：CN109977812B
公开(公告)日：2023-02-24
申请号：CN201910185300.4
申请日：2019-03-12
Applicant: 南京邮电大学
IPC: G06V20/56 , G06V20/40 , G06V10/44 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于深度学习的车载视频目标检测方法，利用改进的Faster R‑CNN算法实现复杂交通环境中的目标检测，提供行车安全辅助功能。现有的目标跟踪算法存在严重的小目标漏检问题，本发明通过增加一个深度信息通道，将其与原有的彩色图像通道并联，并在通道维度上进行融合，在融合后的特征图像上进行候选框提取和目标检测，提高小目标的检测率，另外在训练中添加对难样本的训练，提高算法整体的目标识别率。本发明能够充分考虑Faster R‑CNN算法存在的小目标漏检问题，通过深度图像特征融合和难样本挖掘方法，提高复杂交通场景中车辆识别的准确率。
-
公开(公告)号：CN108769675B
公开(公告)日：2021-12-17
申请号：CN201810565703.7
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: H04N19/114 , H04N19/122 , H04N19/119 , H04N19/139 , H04N19/52
Abstract: 本发明公开了一种基于两阶多假设预测的分布式视频自适应重构方法，在两阶多假设预测的基础上，在第一阶段重构中选取前向重构的关键帧作为前向参考帧；在二次重构中添加了自适应算法，将前向参考帧、后向参考帧以及双向运动补偿算法生成的边信息作为候选参考帧，将所有候选参考帧整合进相同的假设集合中，执行像素域的多假设预测算法得到权重向量；然后计算权重向量的L1范数，通过最大L1范数自适应的选择最终参考帧。本发明充分考虑现有两阶多假设预测的方案，在像素域重构中自适应选择参考帧，解决了由于传统方法选择参考帧所导致的不同类型视频效果不稳定的问题。
-
公开(公告)号：CN109977812A
公开(公告)日：2019-07-05
申请号：CN201910185300.4
申请日：2019-03-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的车载视频目标检测方法，利用改进的Faster R‑CNN算法实现复杂交通环境中的目标检测，提供行车安全辅助功能。现有的目标跟踪算法存在严重的小目标漏检问题，本发明通过增加一个深度信息通道，将其与原有的彩色图像通道并联，并在通道维度上进行融合，在融合后的特征图像上进行候选框提取和目标检测，提高小目标的检测率，另外在训练中添加对难样本的训练，提高算法整体的目标识别率。本发明能够充分考虑Faster R‑CNN算法存在的小目标漏检问题，通过深度图像特征融合和难样本挖掘方法，提高复杂交通场景中车辆识别的准确率。
-
公开(公告)号：CN108769675A
公开(公告)日：2018-11-06
申请号：CN201810565703.7
申请日：2018-06-04
Applicant: 南京邮电大学
IPC: H04N19/114 , H04N19/122 , H04N19/119 , H04N19/139 , H04N19/52
CPC classification number: H04N19/114 , H04N19/119 , H04N19/122 , H04N19/139 , H04N19/52
Abstract: 本发明公开了一种基于两阶多假设预测的分布式视频自适应重构方法，在两阶多假设预测的基础上，在第一阶段重构中选取前向重构的关键帧作为前向参考帧；在二次重构中添加了自适应算法，将前向参考帧、后向参考帧以及双向运动补偿算法生成的边信息作为候选参考帧，将所有候选参考帧整合进相同的假设集合中，执行像素域的多假设预测算法得到权重向量；然后计算权重向量的L1范数，通过最大L1范数自适应的选择最终参考帧。本发明充分考虑现有两阶多假设预测的方案，在像素域重构中自适应选择参考帧，解决了由于传统方法选择参考帧所导致的不同类型视频效果不稳定的问题。
-
-
-
Search Results
4
records
(took 0.018 seconds)
