-
公开(公告)号：CN113920163B
公开(公告)日：2024-06-11
申请号：CN202111176760.4
申请日：2021-10-09
申请人： 成都信息工程大学
摘要： 本发明公开了一种基于传统和深度学习结合的运动目标检测方法，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标记。本发明公开一种基于传统和深度学习结合的运动目标检测方法，能有效提高算法实时性，同时通过提高自运动参数估计的精度提升检测精度。
-
公开(公告)号：CN113920163A
公开(公告)日：2022-01-11
申请号：CN202111176760.4
申请日：2021-10-09
申请人： 成都信息工程大学
摘要： 本发明公开了一种基于传统和深度学习结合的运动目标检测方法，包括：步骤一，采用实例分割算法对双目相机采集的道路图像相邻帧进行检测，以将各图像划分为潜在运动目标区域和静止区域；步骤二，分别对各图像中的潜在运动目标区域、静止区域进行特征点提取与匹配；步骤三，基于相机自运动参数确定运动补偿，通过计算重投影误差以对运动状态判断，以基于判断结果完成对图像中运动目标进行标记。本发明公开一种基于传统和深度学习结合的运动目标检测方法，能有效提高算法实时性，同时通过提高自运动参数估计的精度提升检测精度。
-
公开(公告)号：CN113920411B
公开(公告)日：2024-06-14
申请号：CN202111177879.3
申请日：2021-10-09
申请人： 成都信息工程大学
IPC分类号： G06V10/80 , G06V30/148 , G06N3/0464 , G06V10/82
摘要： 本发明公开了一种基于改进SOLOv2的校园场景图像分割方法，包括：步骤1：对待检测图像进行主干网络特征提取以得到对应的多层特征信息；步骤2：将多层特征信息送入到改进后的特征金子塔中进行细化并融合；步骤3：将融合后的信息送入到Head头部进行分析，通过两个并行的子通道，进行类别信息分析和mask实例分割；步骤4：通过矩阵非极大值抑制保留最高置信度的掩码信息以及类别信息，步骤5：将mask特征图映射回原图像上，输出带有特征mask掩码的图像。本发明提供一种基于改进SOLOv2的校园场景图像分割方法，能有效提升了对密集人群情况下的分割精度和召回率，且在面对目标遮挡和物体残缺的情况下，本发明算法的性能明显优先于其他算法。
-
公开(公告)号：CN113920411A
公开(公告)日：2022-01-11
申请号：CN202111177879.3
申请日：2021-10-09
申请人： 成都信息工程大学
IPC分类号： G06V10/80 , G06V30/148 , G06N3/04
摘要： 本发明公开了一种基于改进SOLOv2的校园场景图像分割方法，包括：步骤1：对待检测图像进行主干网络特征提取以得到对应的多层特征信息；步骤2：将多层特征信息送入到改进后的特征金子塔中进行细化并融合；步骤3：将融合后的信息送入到Head头部进行分析，通过两个并行的子通道，进行类别信息分析和mask实例分割；步骤4：通过矩阵非极大值抑制保留最高置信度的掩码信息以及类别信息，步骤5：将mask特征图映射回原图像上，输出带有特征mask掩码的图像。本发明提供一种基于改进SOLOv2的校园场景图像分割方法，能有效提升了对密集人群情况下的分割精度和召回率，且在面对目标遮挡和物体残缺的情况下，本发明算法的性能明显优先于其他算法。
-
-
-
搜索结果
4 条记录 (耗时 0.023 秒)
