-
公开(公告)号：CN110516533A
公开(公告)日：2019-11-29
申请号：CN201910626883.X
申请日：2019-07-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度度量的行人再辨识方法，包括以下步骤：1)将ImageNet数据集作为训练数据集，训练一个ResNet-50网络，使其具有初始值；2)移除ResNet-50网络的softmax层以及最后一个全连接层；3)使用多个非线性全连接层构成深度度量网络，并在输出后增加欧氏距离计算单元；4)在调整后的ResNet-50网络后连接深度度量网络，组成本发明最终的网络模型；5)对行人再辨识训练数据集中的图像进行随机剪裁，得到一组尺寸为224×224的训练数据集，从中随机选择P位不同的行人，并为每个行人随机选择K张图像，组成小的训练批；6)使用5)中所得的训练数据通过最小化Hard Triplet Loss损失函数对4)中的网络进行优化，循环执行此步骤，直至损失值收敛；7)将待辨识行人图像和候选库中的图像输入到已优化的模型中，获取行人图像在同一个特征空间上的特征向量；8)计算特征向量间的欧氏距离，并对距离进行排序，最终获取待辨识行人图像和对比图像的匹配率。
-
公开(公告)号：CN106022226B
公开(公告)日：2019-03-01
申请号：CN201610309021.0
申请日：2016-05-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于多方向多通道条形结构的行人再辨识方法，包括以下步骤：1)分别获取待辨识行人图像和对比图像中像素点对应的多方向双颜色通道条形结构特征集Bθ；2)采用颜色差分获取该像素点的多方向双通道条形结构加权颜色差分权重集Wθ；3)采用滑动窗口分别获取不同方向上的直方图描述符Hθ；4)根据堪培拉距离计算基于直方图描述符Hθ的待辨识行人图像和对比图像的距离集Ds；5)选择距离集Ds中最优三元组距离对、ELF描述符和HOG描述符作为特征码，并获取待辨识行人图像和对比图像之间的最终距离；6)根据最近相邻理论，对距离进行排序，最终获取待辨识行人图像和对比图像的匹配率与现有技术相比，本发明具有快速准确、鲁棒性好等优点。
-
公开(公告)号：CN107122795A
公开(公告)日：2017-09-01
申请号：CN201710212251.X
申请日：2017-04-01
Applicant: 同济大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于核化特征和随机子空间集成的行人再辨识方法，包括以下步骤：S1，获取行人图像的训练样本集和测试样本集，确定两个样本间的核化函数；S2，分别将两个样本集的原始特征转化为核化特征；S3，在训练样本集的核化特征空间中，随机选取多个不同的子空间，分别计算不同和相同行人图像对的核化特征差值的协方差矩阵及其逆矩阵，得到图像对的核化特征差值的分布函数；S4，分别在各子空间下，计算样本对为相同行人的概率和为不同行人的概率，将两个概率的比值作为样本间的距离；S5，对距离进行集成，得到各样本对间的最终距离。与现有技术相比，本发明具有良好的行人再辨识能力，适用于各种不同的特征，具有较强的鲁棒性。
-
公开(公告)号：CN102103598B
公开(公告)日：2012-12-05
申请号：CN200910201533.5
申请日：2009-12-21
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于内容信任的可信搜索方法，包括以下步骤：A.用户交互模块接收用户的搜索关键字，并分发给提供原始搜索服务的各个搜索引擎；B、接收各个搜索引擎提供的传统搜索结果，并递交给内容信任检测模块；C、给内容信任检测模块对传统搜索结果进行去重、文本归一化、信任语义理解、内容可信度计算和搜索结果重排序操作，将可信搜索结果递交给用户交互模块；D、用户交互模块将可信搜索结果呈现给用户。本发明方法对文本信息的本质——文本内容进行可信度评估，提出了基于信任事实、信任证据和信任特征的三种文本内容信任评估方法，并用贝叶斯网络将其统一起来，将文本的内容可信度应用到排序算法中，可以提高搜索结果的查准率。
-
公开(公告)号：CN101291337B
公开(公告)日：2012-11-07
申请号：CN200810038367.7
申请日：2008-05-30
Applicant: 同济大学
Abstract: 本发明揭示了一种网格资源管理系统，该系统包括网格顶层的应用程序层、网格底层的监控管理软件层；所述系统还包括Web服务层、访问中间件层；应用程序层、Web服务层、访问中间件层、监控管理软件层依次连接；Web服务层用于提供网格资源发现服务、网格资源历史状态服务、及网格资源调度服务；对应的包括网格资源发现模块、网格资源历史状态模块、及网格资源调度模块；访问中间件层提供一与平台无关的资源管理接口，用于实现网格底层监控管理软件层与Web服务层的数据访问。本发明网格资源管理系统通过设置统一的管理接口，能适应交通网格中大量动态资源的发现和管理工作。
-
Patent Agency Ranking
公开(公告)号：CN101295326B
公开(公告)日：2010-09-22
申请号：CN200810038365.8
申请日：2008-05-30
Applicant: 同济大学
Abstract: 一种应用GPS数据生成OD矩阵的交通仿真的方法，包括：提供出租车GPS数据，该GPS数据由出租车GPS消息构成，每一出租车GPS消息包括：车辆ID、经度、纬度、速度、车状态、角度、时间；根据所述出租车GPS消息中的车状态变化寻找OD对，生成OD矩阵。一种应用GPS数据生成OD矩阵的交通仿真的方法，包括应用上述OD矩阵，输入某一时段静态OD，获得OD表；通过该OD表计算出单位时间内通过某一OD节点的车辆总数；确定车辆产生的时刻、目的地、车辆的类型；根据不同车辆类型按照指定的时间间隔产生车辆。本发明通过分析长时间的少量出租车的GPS数据来获得全局的OD矩阵，运行效率高。并且以OD矩阵作为仿真的运行基础，能很好地反映实际交通运行状况。
-
公开(公告)号：CN101034406A
公开(公告)日：2007-09-12
申请号：CN200710039110.9
申请日：2007-04-04
Applicant: 同济大学
Abstract: 本发明涉及一种基于分布式体系结构的多元数据源交通信息融合方法，包括以下步骤：1)服务器端将接收到的多元交通数据组包分发给各客户机端；2)经客户机端对数据进行校准后，发送至分布式融合平台数据接收模块；3)分布式融合平台将多元数据送至数据缓冲池暂存，根据数据规模将数据分配到不同的客户机端，同时从权值数据库读取权值，进行加权融合运算；4)将融合后的数据存放到统一的融合数据库中。根据实际交通的观察结果，对加权融合运算所用的权值数据库中不同数据的权值进行调整修改。本发明具备的有益效果在于：能获得准确的交通态势信息，有利于更快速准确合理地进行交通管理。
-
公开(公告)号：CN1952679A
公开(公告)日：2007-04-25
申请号：CN200510030591.8
申请日：2005-10-17
Applicant: 同济大学
Abstract: 一种实现车载定位信息的无线传输系统及方法，所述系统，包括：设有RS232端口的车载终端，监控中心服务器，定位信息接收模块，用于接收车辆卫星定位信息，电平转换电路，该电平转换电路用于将定位信息接收模块输出的TTL电平信号转换为RS232信号；与车载终端相连接的无线通讯模块。所述方法包括步骤：车载终端和交通信息网格节点中的监控中心服务器分别启动；车载终端通过无线通讯模块向监控中心服务器传递注册信息；接收卫星定位信息后经电平转换电路传送给车载终端，由车载终端通过程序打包成数据包后传送至监控中心服务器。本方法的优点是依托于Internet网络，无需自己投资建网，而且按通信流量进行计费，费用低廉，其传输速度很快，可靠性高。
-
公开(公告)号：CN119206411A
公开(公告)日：2024-12-27
申请号：CN202411134365.3
申请日：2024-08-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于多粒度特征融合的SAR船舶检测方法、设备、介质，方法包括如下步骤：步骤S1，获取待检测的SAR船舶图像；步骤S2，基于所述SAR船舶图像，利用基于多粒度混合特征融合的主干网络，得到通道、空间和坐标粒度下的局部特征以及全局特征，采用自适应空间特征融合机制得到第一融合特征图；步骤S3，基于所述第一融合特征图，利用基于多粒度特征协同增强的金字塔网络，得到不同卷积核粒度下的特征图，采用自适应空间特征融合机制得到第二融合特征图；步骤S4，基于所述第二融合特征图，得到SAR船舶图像的检测结果。与现有技术相比，本发明具有提高复杂背景下SAR船舶检测的精度、避免忽略不同尺度船舶特征之间的差异等优点。
-
公开(公告)号：CN111814554B
公开(公告)日：2022-06-21
申请号：CN202010517984.6
申请日：2020-06-09
Applicant: 同济大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/74 , G06N3/04 , G06Q10/08
Abstract: 本发明涉及一种基于粒度及关联信息的物体类别识别模型构建方法及应用，识别模型构建包括步骤：S1、获取训练样本图像中物体的特征信息和类别信息；S2、提取粗粒度特征和细粒度特征，构建粗类别矩阵和细类别矩阵；S3、分别构建不同粒度下的关联函数：类别‑类别关联函数、特征‑特征关联函数、类别‑特征关联函数，基于关联函数建立不同粒度下的关联约束函数；S4、基于关联函数和关联约束函数构建关联衡量模型的目标函数；S5、求解目标函数确定关联函数并得到各关联度最优解；S6、根据最优解确定粗粒度、细粒度下的类别识别函数。应用时，通过类别识别函数识别物体类别。与现有技术相比，本发明大大提高了识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.021 seconds)
