-
公开(公告)号：CN114445480B
公开(公告)日：2025-02-14
申请号：CN202210095475.8
申请日：2022-01-26
Applicant: 安徽大学
IPC: G06T7/593 , G06V10/75 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于Transformer的热红外图像立体匹配方法及装置，属于计算机视觉技术领域，方法包括获取热红外图像校正后的左视图和右视图；采用UNet特征提取网络对左右视图进行特征提取，得到多尺度特征图；基于Transformer特征转换模块对多尺度特征图进行处理，得到左右视图的转换特征图；基于左右视图的转换特征图，生成视差图。本发明在基于深度学习的立体匹配算法基础上，针对热红外图像纹理稀疏甚至大面积无纹理的特点，采用Transformer特征转换模块进行特征转换，解决热红外图像立体匹配的难点，从而达到良好的热红外立体匹配效果。
-
公开(公告)号：CN114445462A
公开(公告)日：2022-05-06
申请号：CN202210095464.X
申请日：2022-01-26
Applicant: 安徽大学
Abstract: 本发明公开了一种基于自适应卷积的跨模态视觉跟踪方法及装置，属于计算机视觉技术领域，包括：输入一对配准的多模态图像，通过自适应卷积模块，在每一层卷积之后生成对应于特征图大小的权重张量，逐像素的对不同模态间的输入进行自适应融合，通过将融合结果与单个输入模态特征再次进行两个模态特征的自适应融合，实现跨模态信息交互和单个模态信息增强；根据每个视频的第一帧收集样本微调全连接层以应对特定于实例的挑战；最后送入全连接层的最末层进行二分类操作，来得到最终的预测结果。通过将融合结果与单个模态的特征执行自适应融合操作，实现模态间的特征互补，进提高跟踪模型性能。
-
公开(公告)号：CN114445462B
公开(公告)日：2025-04-29
申请号：CN202210095464.X
申请日：2022-01-26
Applicant: 安徽大学
IPC: G06T7/246 , G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自适应卷积的跨模态视觉跟踪方法及装置，属于计算机视觉技术领域，包括：输入一对配准的多模态图像，通过自适应卷积模块，在每一层卷积之后生成对应于特征图大小的权重张量，逐像素的对不同模态间的输入进行自适应融合，通过将融合结果与单个输入模态特征再次进行两个模态特征的自适应融合，实现跨模态信息交互和单个模态信息增强；根据每个视频的第一帧收集样本微调全连接层以应对特定于实例的挑战；最后送入全连接层的最末层进行二分类操作，来得到最终的预测结果。通过将融合结果与单个模态的特征执行自适应融合操作，实现模态间的特征互补，进提高跟踪模型性能。
-
公开(公告)号：CN114445480A
公开(公告)日：2022-05-06
申请号：CN202210095475.8
申请日：2022-01-26
Applicant: 安徽大学
Abstract: 本发明公开一种基于Transformer的热红外图像立体匹配方法及装置，属于计算机视觉技术领域，方法包括获取热红外图像校正后的左视图和右视图；采用UNet特征提取网络对左右视图进行特征提取，得到多尺度特征图；基于Transformer特征转换模块对多尺度特征图进行处理，得到左右视图的转换特征图；基于左右视图的转换特征图，生成视差图。本发明在基于深度学习的立体匹配算法基础上，针对热红外图像纹理稀疏甚至大面积无纹理的特点，采用Transformer特征转换模块进行特征转换，解决热红外图像立体匹配的难点，从而达到良好的热红外立体匹配效果。
-
-
-
Search Results
4
records
(took 0.012 seconds)
