-
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:CN115474072A
公开(公告)日:2022-12-13
申请号:CN202211417449.9
申请日:2022-11-14
Applicant: 国家广播电视总局广播电视科学研究院 , 中国广播电视网络集团有限公司 , 东方有线网络有限公司
IPC: H04N21/2187 , H04N21/234 , H04N21/239 , H04N21/466
Abstract: 本申请实施例提供了面向多个终端设备的内容协同分发处理方法、装置及设备,该方法包括:接收视频播放请求;响应于所述视频播放请求,向第一终端设备提供目标视频;在第一终端设备播放所述目标视频的过程中,向第二终端设备提供目标关联内容,所述目标关联内容为与所述目标视频存在关联关系的内容。
-
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。
-
-