-
公开(公告)号：CN108229505B
公开(公告)日：2022-02-18
申请号：CN201810112205.7
申请日：2018-02-05
Applicant: 南京邮电大学
IPC: G06V10/50 , G06V10/772 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于FISHER多级字典学习的图像分类方法，包括步骤：构建一个图像分类系统，导入样本图像，利用超完备字典上的稀疏表示矩阵对每个样本图像进行初步的适当分类；将上述经过超完备字典分类的图像基于FISHER多级字典进行不同层级上的学习，获得每个类别图像的具体信息和共同信息；使用FISHER判别准则的判别式对不同层级上字典的区分能力进行增强，形成最佳的图像分类判别标准；本发明提供的基于FISHER多级字典学习的图像分类方法可以更好地捕捉各种图像相较于其他图像最具有区别性的特征，以及各图像自身具备的最独特的特性，提升了分辨效率和准确率。
-
公开(公告)号：CN108229505A
公开(公告)日：2018-06-29
申请号：CN201810112205.7
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于FISHER多级字典学习的图像分类方法，包括步骤：构建一个图像分类系统，导入样本图像，利用超完备字典上的稀疏表示矩阵对每个样本图像进行初步的适当分类；将上述经过超完备字典分类的图像基于FISHER多级字典进行不同层级上的学习，获得每个类别图像的具体信息和共同信息；使用FISHER判别准则的判别式对不同层级上字典的区分能力进行增强，形成最佳的图像分类判别标准；本发明提供的基于FISHER多级字典学习的图像分类方法可以更好地捕捉各种图像相较于其他图像最具有区别性的特征，以及各图像自身具备的最独特的特性，提升了分辨效率和准确率。
-
公开(公告)号：CN109727272B
公开(公告)日：2022-08-12
申请号：CN201811383638.2
申请日：2018-11-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双分支时空正则化相关滤波器的目标跟踪方法，用于基于视频中的图像帧进行追踪目标的追踪操作，所述方法包括步骤：S1、在包含外观分支网络和语义分支网络的孪生全卷积网络上添加由相关滤波器构成的相关滤波器层，实现相关滤波器与孪生全卷积网络相互之间的端对端训练学习；S2、结合所述外观分支网络和语义分支网络结合，以提升所述孪生全卷积网络在目标追踪过程中对包含追踪目标的图像帧的判别力；S3、采用时空正则化所述相关滤波器，并使用通过时空正则化的所述相关滤波器处理所述图像帧，实现对追踪目标的追踪；本发明能够有效提升跟踪精度和跟踪速度。
-
公开(公告)号：CN109727272A
公开(公告)日：2019-05-07
申请号：CN201811383638.2
申请日：2018-11-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于双分支时空正则化相关滤波器的目标跟踪方法，用于基于视频中的图像帧进行追踪目标的追踪操作，所述方法包括步骤：S1、在包含外观分支网络和语义分支网络的孪生全卷积网络上添加由相关滤波器构成的相关滤波器层，实现相关滤波器与孪生全卷积网络相互之间的端对端训练学习；S2、结合所述外观分支网络和语义分支网络结合，以提升所述孪生全卷积网络在目标追踪过程中对包含追踪目标的图像帧的判别力；S3、采用时空正则化所述相关滤波器，并使用通过时空正则化的所述相关滤波器处理所述图像帧，实现对追踪目标的追踪；本发明能够有效提升跟踪精度和跟踪速度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
