公开(公告)号：CN117710898A

公开(公告)日：2024-03-15

申请号：CN202410018018.8

申请日：2024-01-05

Applicant: 南昌大学

Inventor： 韩清 ,  李龙飞 ,  闵卫东 ,  汪琦 ,  曾庆鹏 ,  崔士淼 ,  陈炯缙

IPC: G06V20/52 ,  G06V10/762 ,  G06V10/764 ,  G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/088

Abstract: 本发明公开了基于局部软注意力联合训练的无监督行人重识别方法，涉及行人重识别技术领域，将整个联合训练分为全局和局部两个分支，在局部分支中软注意力机制模块被提出来准确地捕捉局部区域的细微差异，进而提升Re‑ID模型对行人局部显著部位的鉴别能力，其次，双重交叉邻居标签平滑模块被设计来逐步缓解不同局部区域产生的不同程度的标签噪声，双重交叉邻居标签平滑模块模块通过全局与局部的相似性度量来实现行人全局与局部区域的语义对齐，随后通过邻近局部之间的交叉信息进一步建立局部区域之间的邻近关联性，进而实现整个训练过程中全局与局部区域的标签平滑，有效避免不同局部区域所包含的与身份无关信息会导致不同程度局部噪声的产生。

公开(公告)号：CN117132962A

公开(公告)日：2023-11-28

申请号：CN202311046684.4

申请日：2023-08-19

Applicant: 南昌大学

Inventor： 闵卫东 ,  李嘉豪 ,  陈炯缙 ,  张曙光

IPC: G06V20/58 ,  G06V20/70 ,  G06V10/26 ,  G06V10/25 ,  G06V10/80 ,  G06V10/52 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种基于自适应区域筛选高分辨率交通标志快速检测方法，提出自适应区域筛选模型，通过提取图像特征并利用图像分块技术实现判断每个图像块是否含有交通标志的目的，该模型包括，图像调整、多尺度特征融合、区域特征提取、类别预测四个部分。提出基于图像分割技术辅助交通标志检测模型，多尺度语义分割模块CAM，提取多尺度特征实现简单融合后再对融合特征进一步提取获得对应不同分辨率的多尺度分割图，将上述分割图引入交通标志检测模型的多尺度特征融合网络中，指导并提高对前景特征的信息提取，Tex在融合特征输出之后，对特征的背景区域再度探索，对输入特征再度细化。本发明能帮助交通标志检测实现对精度和实时性的平衡。