-
公开(公告)号：CN107563327B
公开(公告)日：2021-07-20
申请号：CN201710775321.2
申请日：2017-08-31
Applicant: 武汉大学
IPC: G06K9/00 , G06K9/62 , G06F16/583
Abstract: 本发明提供一种基于自步反馈的行人重识别方法及系统。该方法首先分割样本区域，计算样本之间的亲密度；然后输入查询样本，计算出每个样本的分数以及不确定性，得到查询匹配结果；与此同时，定量评价每个样本在排序问题上的难易程度，将排序困难的样本挑选出来构成待反馈样本集，提交用户标记；用户反馈完成后，用反馈样本集更新样本标记，重新计算样本的排序得分和其难易程度，直到最终查找到用户期望的检索目标。本发明提出的基于自步学习和主动学习的反馈技术，充分了利用未标记图像的信息量，挑选对排序任务最困难的样本提供给用户标记，在有效减少用户标记的同时，能准确快速地找出正确的目标对象。
-
公开(公告)号：CN107563327A
公开(公告)日：2018-01-09
申请号：CN201710775321.2
申请日：2017-08-31
Applicant: 武汉大学
Abstract: 本发明提供一种基于自步反馈的行人重识别方法及系统。该方法首先分割样本区域，计算样本之间的亲密度；然后输入查询样本，计算出每个样本的分数以及不确定性，得到查询匹配结果；与此同时，定量评价每个样本在排序问题上的难易程度，将排序困难的样本挑选出来构成待反馈样本集，提交用户标记；用户反馈完成后，用反馈样本集更新样本标记，重新计算样本的排序得分和其难易程度，直到最终查找到用户期望的检索目标。本发明提出的基于自步学习和主动学习的反馈技术，充分了利用未标记图像的信息量，挑选对排序任务最困难的样本提供给用户标记，在有效减少用户标记的同时，能准确快速地找出正确的目标对象。
-
公开(公告)号：CN107590821A
公开(公告)日：2018-01-16
申请号：CN201710876003.5
申请日：2017-09-25
Applicant: 武汉大学
IPC: G06T7/246
Abstract: 本发明提供一种基于轨迹优化的目标跟踪方法及系统，在第一帧进行目标模型的构建，包括首先对目标进行样本的采样，进而根据与目标的覆盖率标记样本，提取多融合特征训练结构化的分类器，得到基础的目标模型；然后在后续帧图片中采取若干候选，利用每一个候选训练模型，选出下一帧中置信度最高的候选。如此迭代多帧之后，根据连续多帧中构成的多条轨迹的平均置信度，从而选出目标的最佳运动短轨迹。因此，本发明通过引入目标在连续帧的时序稳定性，克服了传统的基于静态检测方法因忽略时空信息导致模型判别力不足，从而无法选出最佳目标而导致模型漂移的问题，并且提出一种基于多特征融合的结构化输出分类模型，能有效地提高模型的辨别力。
-
公开(公告)号：CN107590821B
公开(公告)日：2022-03-04
申请号：CN201710876003.5
申请日：2017-09-25
Applicant: 武汉大学
IPC: G06T7/246
Abstract: 本发明提供一种基于轨迹优化的目标跟踪方法及系统，在第一帧进行目标模型的构建，包括首先对目标进行样本的采样，进而根据与目标的覆盖率标记样本，提取多融合特征训练结构化的分类器，得到基础的目标模型；然后在后续帧图片中采取若干候选，利用每一个候选训练模型，选出下一帧中置信度最高的候选。如此迭代多帧之后，根据连续多帧中构成的多条轨迹的平均置信度，从而选出目标的最佳运动短轨迹。因此，本发明通过引入目标在连续帧的时序稳定性，克服了传统的基于静态检测方法因忽略时空信息导致模型判别力不足，从而无法选出最佳目标而导致模型漂移的问题，并且提出一种基于多特征融合的结构化输出分类模型，能有效地提高模型的辨别力。
-
-
-
Search Results
4
records
(took 0.026 seconds)
