-
公开(公告)号：CN110852383B
公开(公告)日：2022-06-14
申请号：CN201911100964.2
申请日：2019-11-12
Applicant: 复旦大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于注意力机制深度学习网络的目标检测方法，其特征在于，通过含有注意力机制模块的目标检测模型对待检测图像进行特征图提取并从中检测出目标的位置和类别，注意力机制模块包括：至少一个注意力模块M1，用于根据特征图生成相同大小注意力权重矩阵并作用于该特征图；至少一个注意力感受野模块M2，用于对特征图进行特征提取；以及至少一个注意力特征融合模块M3，用于对网络不同层次的特征进行融合。该目标检测方法在具有高检测准确率的基础上还保证了高检测速度，同时模型的结构简洁且计算量小。
-
公开(公告)号：CN112818917B
公开(公告)日：2022-03-22
申请号：CN202110208326.3
申请日：2021-02-24
Applicant: 复旦大学
Abstract: 本发明提供了一种实时行人检测与重识别方法及装置，用于对多路行人视频流中的特定行人进行实时监测，其特征在于，包括如下步骤：利用目标检测模型对每路行人视频流进行人脸检测，得到行人人脸；利用相似度判别模型对行人人脸与特定行人人脸库人脸相似度计算得到人脸相似度值；当人脸相似度值大于特定人脸阈值时，该行人人脸为特定行人人脸；从行人视频流中裁剪出特定行人截图，并与对应的ID对应存储得到特定行人库；利用目标检测模型进行行人检测得到待识别行人，并裁剪出待识别行人截图；基于待识别行人截图以及特定行人库通过相似度判别模型计算得到行人相似度值；当行人相似度值大于预定的特定行人阈值时，该待识别行人为特定行人。
-
公开(公告)号：CN110659724A
公开(公告)日：2020-01-07
申请号：CN201910866933.1
申请日：2019-09-12
Applicant: 复旦大学
Abstract: 本发明提供一种基于目标尺度的目标检测深度卷积神经网络构建方法，用于在检测某一尺度范围的目标的应用场景下，能够灵活多变、针对不同尺度的目标实现良好适应性的深度卷积神经网，其特征在于，包括：步骤S1，分析图像样本数据集中的所有图像的目标对象，确定目标尺度下限；步骤S2，根据用于目标检测的深度卷积神经网络的主干网结构，得到单个目标对象最终所需的特征数据量，并分析主干网结构的下采样倍数以及最佳下采样倍数；步骤S3，通过深度模型重构方法重构深度卷积神经网络，保证单个目标对象在执行分类运算之前保留充分的特征数据量；步骤S4，使用图像样本数据集对深度卷积神经网络进行训练直至准确率达到要求。
-
公开(公告)号：CN110659653A
公开(公告)日：2020-01-07
申请号：CN201910865573.3
申请日：2019-09-12
Applicant: 复旦大学
Abstract: 目前深度卷积神经网络的主干网都起源于最初的图像分类网络，在应用于目标检测、语义分割、目标分割等领域时，传统骨干网不断抛弃特征信息的做法导致后期分析时信息量不足。为了解决上述问题，本发明提供了一种可充分保留图像特征的特征提取模型，用于对任意分辨率的输入图像进行无损的特征提取操作，其特征在于，包括：多个卷积操作层，由通道分离卷积和1×1卷积构成；多个池化操作层，该池化操作层中池化的步长为1，边界填充以0和1像素交替执行，其中，池化操作层的数量为偶数个。
-
公开(公告)号：CN113095199A
公开(公告)日：2021-07-09
申请号：CN202110367156.3
申请日：2021-04-06
Applicant: 复旦大学
Abstract: 本发明提供一种能够快速识别行人身份并捕捉该行人全身像图的高速行人身份识别方法及装置，其特征在于，高速行人身份识别方法包括以下步骤：步骤S1，获取摄像头的识别号以及各个摄像头的道路连通关系；步骤S2，识别出目标行人的人脸图像以及全身图像作为目标行人信息进行存储；步骤S3，获取与识别出目标行人的摄像头具有对应的道路连通关系的摄像头作为待识别摄像头，步骤S4，从待识别摄像头中获取图像帧；步骤S5，将图像帧输入行人检测算法模型；步骤S6，对图像帧进行目标行人识别；步骤S7，根据行人识别结果获取待匹配人脸图像并进行人脸识别；步骤S8，将目标行人的全身图像与相应的识别号对应存入输出缓存队列；步骤S9，重复步骤S3至步骤S7。
-
Patent Agency Ranking
公开(公告)号：CN110852383A
公开(公告)日：2020-02-28
申请号：CN201911100964.2
申请日：2019-11-12
Applicant: 复旦大学
Abstract: 本发明提供一种基于注意力机制深度学习网络的目标检测方法，其特征在于，通过含有注意力机制模块的目标检测模型对待检测图像进行特征图提取并从中检测出目标的位置和类别，注意力机制模块包括：至少一个注意力模块M1，用于根据特征图生成相同大小注意力权重矩阵并作用于该特征图；至少一个注意力感受野模块M2，用于对特征图进行特征提取；以及至少一个注意力特征融合模块M3，用于对网络不同层次的特征进行融合。该目标检测方法在具有高检测准确率的基础上还保证了高检测速度，同时模型的结构简洁且计算量小。
-
公开(公告)号：CN110619387B
公开(公告)日：2023-06-20
申请号：CN201910865549.X
申请日：2019-09-12
Applicant: 复旦大学
IPC: G06N3/0464 , G06F18/213
Abstract: 本发明提供一种基于卷积神经网络的通道扩展方法，用于替换卷积神经网络中通用的卷积扩展通道和池化操作，从而保证有效数据不损失的情况下减少卷积神经网络在中间运算的冗余数据，其特征在于，包括如下步骤：步骤S1，根据在卷积池化前后特征图的分辨率变化率计算特征图数据的分辨率及通道数；步骤S2，将4个维度的特征图数据中对应高和宽的通道进行维度拆分，形成6个维度；步骤S3，将拆分后的特征图数据进行维度调转：第3、5维度调换为第5、6维度；步骤S4，将调换后的特征图数据中第2、3、4维度进行维度合并，重新整合为4个维度。
-
公开(公告)号：CN109727276B
公开(公告)日：2022-11-29
申请号：CN201811450114.0
申请日：2018-11-30
Applicant: 复旦大学
IPC: G06T7/30
Abstract: 本发明提供一种超高清视频图像分析加速方法以及基于该超高清视频图像分析加速方法的超高清视频图像分析加速系统，用于采用含有多个图像计算单元的分析平台对超高分辨率的视频图像进行实时处理和分析，其特征在于，包括如下步骤：步骤S1，建立用于获取视频图像的数据传输通道，连续获取视频图像的图像帧并直接进行存储；步骤S2，按获取顺序为获取的图像帧依次设定顺序标记；步骤S3，分析图像计算单元的计算性能，进一步确定各个图像计算单元的处理顺序并生成对应的处理方案；步骤S4，根据处理方案控制相应的图像计算单元对图像帧进行图像分析计算从而获取分析结果；步骤S5，根据顺序标记依次将相应的分析结果进行存储。
-
公开(公告)号：CN113095199B
公开(公告)日：2022-06-14
申请号：CN202110367156.3
申请日：2021-04-06
Applicant: 复旦大学
IPC: G06V40/10 , G06V10/762 , G06V10/764 , G06V40/16 , G06V20/52 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明提供一种能够快速识别行人身份并捕捉该行人全身像图的高速行人身份识别方法及装置，其特征在于，高速行人身份识别方法包括以下步骤：步骤S1，获取摄像头的识别号以及各个摄像头的道路连通关系；步骤S2，识别出目标行人的人脸图像以及全身图像作为目标行人信息进行存储；步骤S3，获取与识别出目标行人的摄像头具有对应的道路连通关系的摄像头作为待识别摄像头，步骤S4，从待识别摄像头中获取图像帧；步骤S5，将图像帧输入行人检测算法模型；步骤S6，对图像帧进行目标行人识别；步骤S7，根据行人识别结果获取待匹配人脸图像并进行人脸识别；步骤S8，将目标行人的全身图像与相应的识别号对应存入输出缓存队列；步骤S9，重复步骤S3至步骤S7。
-
公开(公告)号：CN112818917A
公开(公告)日：2021-05-18
申请号：CN202110208326.3
申请日：2021-02-24
Applicant: 复旦大学
Abstract: 本发明提供了一种实时行人检测与重识别方法及装置，用于对多路行人视频流中的特定行人进行实时监测，其特征在于，包括如下步骤：利用目标检测模型对每路行人视频流进行人脸检测，得到行人人脸；利用相似度判别模型对行人人脸与特定行人人脸库人脸相似度计算得到人脸相似度值；当人脸相似度值大于特定人脸阈值时，该行人人脸为特定行人人脸；从行人视频流中裁剪出特定行人截图，并与对应的ID对应存储得到特定行人库；利用目标检测模型进行行人检测得到待识别行人，并裁剪出待识别行人截图；基于待识别行人截图以及特定行人库通过相似度判别模型计算得到行人相似度值；当行人相似度值大于预定的特定行人阈值时，该待识别行人为特定行人。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.015 seconds)
