-
Patent Agency Ranking
公开(公告)号：CN114972715A
公开(公告)日：2022-08-30
申请号：CN202210540668.X
申请日：2022-05-17
Applicant: 杭州电子科技大学
IPC: G06V10/22 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于局部关联投票机制的刚体目标关键部位检测方法，该方法首先收集标注了关键部位的图像域数据和空间域数据，然后在YOLOv5网络结构的基础上添加高分辨率通道模块作为图像域检测模型。构建局部关联投票网络作为空间域检测模型。然后将待检测的图像输入图像域检测模型中，判断图像域的检测结果是否存在漏检的被遮挡目标。当存在漏检时，将图像域检测结果的关键部位位置信息输入空间域检测模型中，采用基于局部关联的投票机制对被遮挡目标进行预测，最终解算得到刚体目标的所有关键部位的信息，得到检测结果。本方法在保证检测时效性的基础上，解决了复杂实际环境下可能产生的刚体目标关键部位被遮挡的问题。
-
公开(公告)号：CN114494269B
公开(公告)日：2025-01-14
申请号：CN202210094739.8
申请日：2022-01-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多重注意力机制的稀薄烟雾快速分割方法。本发明的关键在于利用了多重的注意力机制(时域、通道、空间注意力机制)来对无用的干扰信息进行多次滤除，并利用帧差法对烟雾的敏感性以及后续整个网络的轻量化来提升算法速度，从而能够捕捉到刚出现的半透明烟雾。经实验验证，在中国科学技术大学火灾科学国家实验室的烟雾数据集上使用该算法能够滤除大量干扰的同时准确的分割出早期稀薄烟雾，并且每帧的处理时延小于50ms。这突破了现有稀薄烟雾监测算法不能同时兼顾准确性和筛除干扰能力以及低处理时延的难题，实现了早期稀薄烟雾快速精确的分割。
-
公开(公告)号：CN114494359A
公开(公告)日：2022-05-13
申请号：CN202210096206.3
申请日：2022-01-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于异常光流的小样本运动目标检测方法，本发明的关键在于跳脱出对运动目标的直接检测。因为视频的动态特性，利用光流估计网络强大的光流估计能力，计算出帧间的运动信息，提取出运动异常信息，即光流异常区域，实现对运动目标的检测。在运动背景下，依然可以较好的实现对运动目标的检测。经实验验证，利用含单个类别的光流图数据集训练后的检测网络，对其他类别的光流异常区域依然可以实现检测，即突破了因目标类别不同而限制对运动目标的检测。
-
公开(公告)号：CN114494269A
公开(公告)日：2022-05-13
申请号：CN202210094739.8
申请日：2022-01-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多重注意力机制的稀薄烟雾快速分割方法。本发明的关键在于利用了多重的注意力机制(时域、通道、空间注意力机制)来对无用的干扰信息进行多次滤除，并利用帧差法对烟雾的敏感性以及后续整个网络的轻量化来提升算法速度，从而能够捕捉到刚出现的半透明烟雾。经实验验证，在中国科学技术大学火灾科学国家实验室的烟雾数据集上使用该算法能够滤除大量干扰的同时准确的分割出早期稀薄烟雾，并且每帧的处理时延小于50ms。这突破了现有稀薄烟雾监测算法不能同时兼顾准确性和筛除干扰能力以及低处理时延的难题，实现了早期稀薄烟雾快速精确的分割。
-
公开(公告)号：CN114972715B
公开(公告)日：2025-01-14
申请号：CN202210540668.X
申请日：2022-05-17
Applicant: 杭州电子科技大学
IPC: G06V10/22 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种基于局部关联投票机制的刚体目标关键部位检测方法，该方法首先收集标注了关键部位的图像域数据和空间域数据，然后在YOLOv5网络结构的基础上添加高分辨率通道模块作为图像域检测模型。构建局部关联投票网络作为空间域检测模型。然后将待检测的图像输入图像域检测模型中，判断图像域的检测结果是否存在漏检的被遮挡目标。当存在漏检时，将图像域检测结果的关键部位位置信息输入空间域检测模型中，采用基于局部关联的投票机制对被遮挡目标进行预测，最终解算得到刚体目标的所有关键部位的信息，得到检测结果。本方法在保证检测时效性的基础上，解决了复杂实际环境下可能产生的刚体目标关键部位被遮挡的问题。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
