-
公开(公告)号：CN114463237B
公开(公告)日：2024-04-19
申请号：CN202210114817.6
申请日：2022-01-30
Applicant: 武汉大学
IPC: G06T5/50 , G06T5/60 , G06T7/207 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于全局运动补偿和帧间时域关联性的实时视频去雨方法，进行基于全局运动补偿的视频帧间运动信息对齐，包括采用基于全局上下文模块GCM进行改进来完成运动估计和运动补偿，基于空洞卷积和下采样法的混合多尺度特征提取，然后基于混合多尺度时域互补优化，基于卷积神经网络的多帧特征融合及目标帧重建，通过最小化输出图片和对应的背景图片的像素差的平方和损失函数来优化神经网络，并利用优化后网络输出无雨图片。其中，全局运动补偿通过空间金字塔池化来减少全局运动补偿的计算点，从而减少计算量。基于混合多尺度时域相关性针对混合尺度的特征信息的时域互补性，以此来提高各个尺度特征信息，并最终提高视频去雨的效果。
-
公开(公告)号：CN114463237A
公开(公告)日：2022-05-10
申请号：CN202210114817.6
申请日：2022-01-30
Applicant: 武汉大学
Abstract: 本发明提出一种基于全局运动补偿和帧间时域关联性的实时视频去雨方法，进行基于全局运动补偿的视频帧间运动信息对齐，包括采用基于全局上下文模块GCM进行改进来完成运动估计和运动补偿，基于空洞卷积和下采样法的混合多尺度特征提取，然后基于混合多尺度时域互补优化，基于卷积神经网络的多帧特征融合及目标帧重建，通过最小化输出图片和对应的背景图片的像素差的平方和损失函数来优化神经网络，并利用优化后网络输出无雨图片。其中，全局运动补偿通过空间金字塔池化来减少全局运动补偿的计算点，从而减少计算量。基于混合多尺度时域相关性针对混合尺度的特征信息的时域互补性，以此来提高各个尺度特征信息，并最终提高视频去雨的效果。
-
公开(公告)号：CN107862696B
公开(公告)日：2021-07-02
申请号：CN201711022989.6
申请日：2017-10-26
Applicant: 武汉大学
Abstract: 本发明公开了一种基于时尚图迁移的特定行人衣物解析方法及系统，包括：首先，通过训练时尚数据集初始化该模型；然后，将该模型用于解析含有行人的监控图像，并引入条带约束优化解析结果；最后，采用监控数据集中的弱标签通过基于示例的迁移学习方法处理模型迁移问题。本发明提出的方法可以获得时尚图集中的衣服信息，并结合弱监督通过迁移学习将其应用于监控领域，既可以保留衣服解析在时尚领域获取的信息，同时也可以改善监控衣物解析效果，并极大地减轻数据的标注工作量。在对实际监控数据集的定量和定性测试中，都佐证了本发明所提方法的有效性。
-
公开(公告)号：CN107862696A
公开(公告)日：2018-03-30
申请号：CN201711022989.6
申请日：2017-10-26
Applicant: 武汉大学
CPC classification number: G06T7/62 , G06N3/0454 , G06N3/08 , G06T7/11 , G06T7/13 , G06T7/136 , G06T2207/20081
Abstract: 本发明公开了一种基于时尚图迁移的特定行人衣物解析方法及系统，包括：首先，通过训练时尚数据集初始化该模型；然后，将该模型用于解析含有行人的监控图像，并引入条带约束优化解析结果；最后，采用监控数据集中的弱标签通过基于示例的迁移学习方法处理模型迁移问题。本发明提出的方法可以获得时尚图集中的衣服信息，并结合弱监督通过迁移学习将其应用于监控领域，既可以保留衣服解析在时尚领域获取的信息，同时也可以改善监控衣物解析效果，并极大地减轻数据的标注工作量。在对实际监控数据集的定量和定性测试中，都佐证了本发明所提方法的有效性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
