-
公开(公告)号：CN114549362A
公开(公告)日：2022-05-27
申请号：CN202210192117.9
申请日：2022-02-28
Applicant: 讯飞智元信息科技有限公司 , 科大讯飞股份有限公司 , 安徽大学
Abstract: 本申请公开了一种低光照图像增强方法、相关设备及可读存储介质。该方案中，预先基于包括同一场景下不完全配对的一个训练用低光照图像，以及一个训练用正常光照图像的训练用图像对训练得到分解模型，在获取待进行增强的低光照图像之后，将该低光照图像输入分解模型，得到光照图，最后，利用光照图得到增强后的图像。由于分解模型是基于不完全配对的图像对训练得到的，这种图像对容易大量获取，使得分解模型训练效果较好，得到的光照图也更为准确，因此，利用光照图对低光照图像进行增强，能够达到较好的增强效果。
-
公开(公告)号：CN112949451A
公开(公告)日：2021-06-11
申请号：CN202110214908.2
申请日：2021-02-24
Applicant: 安徽大学
Abstract: 本发明提供一种通过模态感知特征学习的跨模态目标跟踪方法及系统；在VGG网络原有基础上增加了一个模态感知模块，以自适应地合并来自两个分支的有效特性；开发了一个两阶段的学习算法，以训练该网络的效率和有效性。在培训阶段，任意模态的训练样本的分类损失将被反向传播到两个模态分支。模态信息在训练阶段是可用的，在测试阶段是不可用的；使用一个两阶段的学习算法来有效地训练所提出的网络，重新训练最后的全连接层，模态感知融合模块来自适应的合并来自两个分支的有效特性，将任意模态作为输入以解决RGB和近红外模态之间的外观差距。
-
公开(公告)号：CN112949451B
公开(公告)日：2022-09-09
申请号：CN202110214908.2
申请日：2021-02-24
Applicant: 安徽大学
Abstract: 本发明提供一种通过模态感知特征学习的跨模态目标跟踪方法及系统；在VGG网络原有基础上增加了一个模态感知模块，以自适应地合并来自两个分支的有效特性；开发了一个两阶段的学习算法，以训练该网络的效率和有效性。在培训阶段，任意模态的训练样本的分类损失将被反向传播到两个模态分支。模态信息在训练阶段是可用的，在测试阶段是不可用的；使用一个两阶段的学习算法来有效地训练所提出的网络，重新训练最后的全连接层，模态感知融合模块来自适应的合并来自两个分支的有效特性，将任意模态作为输入以解决RGB和近红外模态之间的外观差距。
-
-
Search Results
3
records
(took 0.014 seconds)
