-
公开(公告)号：CN110070073A
公开(公告)日：2019-07-30
申请号：CN201910373780.7
申请日：2019-05-07
Applicant: 国家广播电视总局广播电视科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于注意力机制的全局特征和局部特征的行人再识别方法，包括：分别提取行人的全局特征和局部特征；在全局特征分支中，以整个行人特征图像作为输入，并将其送入空间注意力机制模块和通道注意力机制模块，将两个模块的特征表示进行融合；在局部特征分支中，把行人特征图水平平均分割为三部分，将分割的三部分输入到通道注意力机制模块得到每一部分的局部特征；将全局特征和局部特征送入特征向量提取模块，得到用于行人预测的特征向量；对整体网络进行训练，得到行人再识别模型。本发明充分利用行人图像的全局特征和局部特征，有效融合了注意力机制，使行人特征更具有判别力，获得了良好的行人再识别结果，提高了模型匹配准确率。
-
公开(公告)号：CN110210608B
公开(公告)日：2021-03-26
申请号：CN201910483957.9
申请日：2019-06-05
Applicant: 国家广播电视总局广播电视科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于注意力机制和多层次特征融合的低照度图像增强方法，包括以下步骤：在输入端对低照度图像进行处理，输出四通道特征图；使用基于注意力机制的卷积层作为特征提取模块，用于提取基础特征作为低层特征；将低层特征与相应的高层特征和卷积层最深层次的特征融合，经过反卷积层后，获得最终特征图；输出映射将最终的特征图还原成RGB图片。本发明充分利用了深度卷积神经网络模型的多层次特征，将不同层次特征融合，并通过通道注意力机制，给予特征通道不同的权重，获得了更优的特征表示，提高了图像处理的准确率，获取了高质量图像，可广泛用于计算机低层次视觉任务技术领域。
-
公开(公告)号：CN110210608A
公开(公告)日：2019-09-06
申请号：CN201910483957.9
申请日：2019-06-05
Applicant: 国家广播电视总局广播电视科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于注意力机制和多层次特征融合的低照度图像增强方法，包括以下步骤：在输入端对低照度图像进行处理，输出四通道特征图；使用基于注意力机制的卷积层作为特征提取模块，用于提取基础特征作为低层特征；将低层特征与相应的高层特征和卷积层最深层次的特征融合，经过反卷积层后，获得最终特征图；输出映射将最终的特征图还原成RGB图片。本发明充分利用了深度卷积神经网络模型的多层次特征，将不同层次特征融合，并通过通道注意力机制，给予特征通道不同的权重，获得了更优的特征表示，提高了图像处理的准确率，获取了高质量图像，可广泛用于计算机低层次视觉任务技术领域。
-
Patent Agency Ranking
公开(公告)号：CN109190626A
公开(公告)日：2019-01-11
申请号：CN201810842201.4
申请日：2018-07-27
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
Abstract: 本发明涉及一种基于深度学习的多路径特征融合的语义分割方法，包括以下步骤：使用多路径特征融合方法提取图像的基础深度特征；将提取的基础深度特征经过解码端网络，恢复原始图像分辨率信息，并生成分割结果；以交叉熵损失函数为目标训练网络，使用准确率和mIoU评价网络性能。本发明设计合理，其充分考虑了局部信息以及全局信息，在网络中的特征提取端和分类端添加了很多条路径，网络的输出是与原图像分辨率大小一致的分割图，使用图像已有的标签计算分割准确率，以最小化交叉熵损失函数为目标来训练网络，有效地提高了图像语义分割地准确率。
-
公开(公告)号：CN103647975B
公开(公告)日：2017-01-11
申请号：CN201310634457.3
申请日：2013-12-02
Applicant: 国家广播电影电视总局广播科学研究院 , 北京邮电大学
Abstract: 一种基于直方图分析的改进样本自适应偏移滤波方法，包括以下步骤：根据重建帧的编码树块中的所有样本值的灰度值，分析其直方图分布情况，根据直方图分布情况对编码树块进行分类；将自适应样本偏移滤波的划分为窄编码树块模式、宽编码树块模式、双中心编码树块模式和默认模式，分别计算不同分类模式下的最佳率失真代价值，选择最小的率失真代价值对应的模式作为真正采用的带滤波模式，对相应的带开始位置以及偏移值编码并传输。本发明根据编码树块直方图分布的特点，新增三种更加精确和高效的滤波分类方法，从而提高了样本自适应偏移滤波方法的精确性，在码率相同的情况下，能有效提高视频主客观质量。
-
公开(公告)号：CN107729993A
公开(公告)日：2018-02-23
申请号：CN201711033085.3
申请日：2017-10-30
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
IPC: G06N3/04
CPC classification number: G06N3/0454
Abstract: 本发明涉及一种利用训练样本及折中度量的3D卷积神经网络构建方法，其技术特点是：构造孪生结构的3D卷积神经网络；设置网络的损失函数，该损失函数由正样本损失、负样本损失及正则化损失构成，并在正则化损失中结合了马氏距离和欧氏距离；使用softmax损失函数，使用视频序列形式的数据集对网络进行预训练；构造正样本对和负样本对，对图像进行预处理和分割；有选择地利用训练样本对网络进行训练。本发明设计合理，其有选择地使用训练样本来提高训练效率并抑制过拟合，同时，在对特征进行度量时对欧氏距离和马氏距离进行权衡，从而构建3D卷积神经网络模型，试验表明本发明构建的模型及训练策略使得系统整体匹配率大大提升。
-
公开(公告)号：CN107240122A
公开(公告)日：2017-10-10
申请号：CN201710450319.8
申请日：2017-06-15
Applicant: 国家新闻出版广电总局广播科学研究院 , 北京邮电大学
CPC classification number: G06T7/246 , G06T7/262 , G06T2207/10016 , G06T2207/20056 , G06T2207/20081
Abstract: 本发明涉及一种基于时空连续相关滤波的视频目标跟踪方法，其主要技术特点是：构造并计算损失函数；对输入帧进行深度卷积特征提取，利用深度卷积网络的第3～5层特征信息估计当前帧中目标的位置；根据每层估计的目标位置的准确度分配不同权重，将三层目标位置加权求和得到当前帧目标的最终位置；根据之前所有帧的估计结果更新模板。本发明结合了判别相关滤波器、深度学习技术，其利用多层特征进行目标位置估计，并根据之前所有帧的位置信息连续更新学习率，增加了整体算法的跟踪精度，提高了跟踪结果的稳定性，获得了很好的目标跟踪效果。
-
公开(公告)号：CN103647975A
公开(公告)日：2014-03-19
申请号：CN201310634457.3
申请日：2013-12-02
Applicant: 国家广播电影电视总局广播科学研究院 , 北京邮电大学
Abstract: 一种基于直方图分析的改进样本自适应偏移滤波方法，包括以下步骤：根据重建帧的编码树块中的所有样本值的灰度值，分析其直方图分布情况，根据直方图分布情况对编码树块进行分类；将自适应样本偏移滤波的划分为窄编码树块模式、宽编码树块模式、双中心编码树块模式和默认模式，分别计算不同分类模式下的最佳率失真代价值，选择最小的率失真代价值对应的模式作为真正采用的带滤波模式，对相应的带开始位置以及偏移值编码并传输。本发明根据编码树块直方图分布的特点，新增三种更加精确和高效的滤波分类方法，从而提高了样本自适应偏移滤波方法的精确性，在码率相同的情况下，能有效提高视频主客观质量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.047 seconds)
