公开(公告)号：CN113706581A

公开(公告)日：2021-11-26

申请号：CN202110931701.7

申请日：2021-08-13

Applicant: 河南大学

Inventor： 于俊洋 ,  左梦乐 ,  祝旭阳

IPC: G06T7/246 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于残差通道注意与多层次分类回归的目标跟踪方法，包括构建深度孪生神经网络，获取模板区域的特征图和搜索区域的特征图；将模板区域的特征图和搜索区域的特征图做深度互相关运算，得到第一响应图；构建多层次分类回归网络，对所述分类回归网络的得分进行加权融合，得到第二响应图，获取所述第二响应图上的每个像素点对应的前景概率和预测的包围框，计算每个像素点的总得分，总得分最高的像素点位置是跟踪目标的中心；进行孪生神经网络和多层次分类回归网络的训练，使用训练好的网络计算待测图像序列中目标的得分图，根据得分图对目标进行定位，提高了在复杂环境下跟踪的准确性和鲁棒性。

公开(公告)号：CN113610706A

公开(公告)日：2021-11-05

申请号：CN202110815730.7

申请日：2021-07-19

Applicant: 河南大学

Inventor： 于俊洋 ,  祝旭阳 ,  左梦乐 ,  何欣 ,  宋亚林 ,  翟锐 ,  王瑛琦

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于卷积神经网络的模糊监控图像超分辨率重建方法，包括建立数据集，并对所述数据集进行预处理，建立神经网络模型，所述神经网络模型包括第一分支和第二分支，所述第二分支包括特征提取单元、学习映射单元和图像重建单元，其中，所述特征提取单元为双通道特征提取单元，所述学习映射单元为残差块学习映射单元，所述特征提取单元、学习映射单元和图像重建单元依次连接，所述图像重建单元的输出与第一分支的输出进行特征图融合，对构建的神经网络模型进行训练和测试，通过损失函数指导网络的训练，得到训练好的神经网络模型。提高了图像重建的质量有益效果。

公开(公告)号：CN113706581B

公开(公告)日：2024-02-20

申请号：CN202110931701.7

申请日：2021-08-13

Applicant: 河南大学

Inventor： 于俊洋 ,  左梦乐 ,  祝旭阳

IPC: G06T7/246 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种基于残差通道注意与多层次分类回归的目标跟踪方法，包括构建深度孪生神经网络，获取模板区域的特征图和搜索区域的特征图；将模板区域的特征图和搜索区域的特征图做深度互相关运算，得到第一响应图；构建多层次分类回归网络，对所述分类回归网络的得分进行加权融合，得到第二响应图，获取所述第二响应图上的每个像素点对应的前景概率和预测的包围框，计算每个像素点的总得分，总得分最高的像素点位置是跟踪目标的中心；进行孪生神经网络和多层次分类回归网络的训练，使用训练好的网络计算待测图像序列中目标的得分图，根据得分图对目标进行定位，提高了在复杂环境下跟踪的准确性和鲁棒性。