公开(公告)号：CN119048561A

公开(公告)日：2024-11-29

申请号：CN202411176204.0

申请日：2024-08-26

Applicant: 杭州电子科技大学

Inventor： 陈新月 ,  颜成钢 ,  盛熙淳 ,  孙垚棋 ,  李宗鹏 ,  张继勇

IPC: G06T7/246 ,  G06V10/774 ,  G06V10/764 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开了一种基于高斯过程的机动目标跟踪方法。首先获取单机动目标跟踪数据集；然后进行基于高斯过程的回归预测；再基于高斯过程的递归估计，得到测试集预测信息对应的估计；通过高斯过程递归更新训练集数据及训练集滑窗；最后将得到的更新后数据进行下一次循环，直到达到设定的循环次数，从而获得优化后的模型来对目标的运动轨迹和位置进行预测。本发明方法避免了固定模型的选择，通过在线学习建立模型，具有更强的鲁棒性。本发明方法能够捕捉非线性动态系统中的复杂性和不确定性，可以在较小的训练数据集上进行有效的模型学习，相较于在单机动目标跟踪领域的现有技术取得了更好的跟踪效果。

公开(公告)号：CN118279709A

公开(公告)日：2024-07-02

申请号：CN202410272861.9

申请日：2024-03-11

Applicant: 杭州电子科技大学

Inventor： 刘一秀 ,  陈新月 ,  寿培尧 ,  康可均 ,  翟春杰

IPC: G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06V10/46 ,  G06T7/13 ,  G06V10/84

Abstract: 本发明涉及一种显著目标检测方法，包括：S1、获取待检测图像；S2、将待检测图像输入至训练好的显著检测模型中，得到显著图；显著检测模型包括：编码组件、解码组件；解码组件的前n个解码单元和编码单元对应，编码组件基于输入至显著检测模型的图像，输出编码特征以及低维度特征向量；解码组件的第m个解码单元，将低维度特征向量进行解码处理，得到解码特征；第a个解码单元与第a‑1个解码单元之间通过贝叶斯池化模块连接，将第a个解码单元所得到的解码特征贝叶斯池化处理，得到处理后的特征图；第x个解码单元，接收编码特征、贝叶斯池化处理后的特征图，采用边缘紧缩和前景曝光注意力机制进行处理，输出解码特征。

公开(公告)号：CN118279709B

公开(公告)日：2024-12-24

申请号：CN202410272861.9

申请日：2024-03-11

Applicant: 杭州电子科技大学

Inventor： 刘一秀 ,  陈新月 ,  寿培尧 ,  康可均 ,  翟春杰

IPC: G06V10/82 ,  G06V10/44 ,  G06N3/0455 ,  G06V10/46 ,  G06T7/13 ,  G06V10/84

Abstract: 本发明涉及一种显著目标检测方法，包括：S1、获取待检测图像；S2、将待检测图像输入至训练好的显著检测模型中，得到显著图；显著检测模型包括：编码组件、解码组件；解码组件的前n个解码单元和编码单元对应，编码组件基于输入至显著检测模型的图像，输出编码特征以及低维度特征向量；解码组件的第m个解码单元，将低维度特征向量进行解码处理，得到解码特征；第a个解码单元与第a‑1个解码单元之间通过贝叶斯池化模块连接，将第a个解码单元所得到的解码特征贝叶斯池化处理，得到处理后的特征图；第x个解码单元，接收编码特征、贝叶斯池化处理后的特征图，采用边缘紧缩和前景曝光注意力机制进行处理，输出解码特征。