-
公开(公告)号：CN116842566A
公开(公告)日：2023-10-03
申请号：CN202310823924.0
申请日：2023-07-06
Applicant: 湖南大学
IPC: G06F21/62 , G06V10/44 , G06V10/774 , G06T9/00 , G06V10/82 , G06N3/045 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种个人图像隐私保护方法、系统及电子设备。本发明提供的方法允许用户通过语言表达来指定保护图像中的某个人，通过使用轻量级深度神经网络对输入指代信息和个人图像进行并行编码，生成图像与文本信息充分融合的多尺度视觉特征，在解码过程中，通过多尺度特征融合和掩码定位增强模块，生成稳定的指定个人隐私保护图像掩码，此外，引入平衡二元交叉熵损失来解决训练中的像素不平衡问题，优化网络性能，提高个人图像隐私保护效果。本发明可以解决现有个人图像隐私保护技术中存在内容过度保护以及指代个人图像隐私保护网络在训练中存在的像素不平衡问题。
-
Patent Agency Ranking
公开(公告)号：CN116681984A
公开(公告)日：2023-09-01
申请号：CN202310650787.5
申请日：2023-06-05
Applicant: 湖南大学
IPC: G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/048 , G06V10/40 , G06V10/764
Abstract: 本申请提供一种基于红外‑可见光信息融合的目标检测方法，通过设置的ISF‑Net网络对可见光和红外特征进行训练，能够有效的学习两种模态的共同特征和差异特征，利用特征分离损失监督训练的过程，使两种模态共同特征中的分歧最小化，差异特征中的分歧最大化，然后利用利用通道注意分支和空间注意分支将共同特征和差异特征进行增强，突出共同特征和差异特征之间的差异，有效提高了融合特征的特征表达能力，使得模型具有较高的检测精度。本申请还提供一种基于红外‑可见光信息融合的目标检测系统。
-
公开(公告)号：CN118887392A
公开(公告)日：2024-11-01
申请号：CN202411058940.6
申请日：2024-08-02
Applicant: 湖南大学
IPC: G06V10/25 , G06V20/58 , G06V10/80 , G06V10/82 , G06N3/0464 , G06V10/766 , G06V10/764 , G06N3/048 , G06V10/40 , G06V10/774
Abstract: 本发明提供了一种自动驾驶场景下的跨模态特征级融合目标检测方法及系统，所述方案基于提出的双流动态卷积融合模块，进行不同模态图像特征的融合，最大限度地保留了不同模态输入数据中的独特特征，使内核能够专注于特定于模态的特征，同时，基于双流动态卷积融合模块，结合YOLOv5的主干网络，提出一种跨模态特征级融合目标检测模型，有效提高了目标检测的精度；所述双流动态卷积融合模块中通过引入视差注意掩码，使得卷积核对模态间差异更加敏感，允许它们选择性地提取不同的特征进行互补融合；其次，本发明还提供了一种核信息散度损失，通过充分利用模态之间的差异性特征来指导单模态特征学习。
-
公开(公告)号：CN113591825A
公开(公告)日：2021-11-02
申请号：CN202111168764.8
申请日：2021-10-08
Applicant: 湖南大学
Abstract: 本发明公开了一种基于超分辨网络的目标搜索重建方法、装置及存储介质，该方法创新地将图像超分辨率重建技术融入目标搜索的框架中。本方法包括以下步骤:将待搜索的视频帧输入到目标搜索网络中进行特征的提取与聚合；利用提取到的特征图进行目标的框定及分类；计算待搜索目标与框定目标特征的相似度进行目标重识别；利用回归坐标将重识别的结果裁剪拷贝，并输入图像超分辨率模块，得到超分辨率的目标图像。本发明以内嵌局部超分辨网络的方式实现了目标搜索任务与目标超分辨率任务，能获得更加丰富的边缘信息和更好的视觉效果，提高监控视频管理者、刑侦人员等在海量监控视频中检索目标对象的效率。
-
公开(公告)号：CN113591810A
公开(公告)日：2021-11-02
申请号：CN202111141461.7
申请日：2021-09-28
Applicant: 湖南大学
Abstract: 本发明公开了一种基于边界紧约束网络的车辆目标位姿检测方法、装置及存储介质，涉及遥感图像目标检测技术，考虑到在实际道路交通场景应用环境中，使用垂直框进行车辆密集度检测即目标检测易受到道路环境复杂、车辆密集度高等因素的影响，造成误检、漏检等情况，而使用旋转矩形框进行车辆检测可以改善这一情况，因此，在YOLOv5的网络结构上新增加旋转分支，将多尺度特征和原检测结果转化为带有角度信息的旋转框检测结果，基于原损失函数和旋转分支重新定义了多任务损失函数，在满足实时性的需求下提升检测准确率。
-
公开(公告)号：CN113591810B
公开(公告)日：2021-12-07
申请号：CN202111141461.7
申请日：2021-09-28
Applicant: 湖南大学
Abstract: 本发明公开了一种基于边界紧约束网络的车辆目标位姿检测方法、装置及存储介质，涉及遥感图像目标检测技术，考虑到在实际道路交通场景应用环境中，使用垂直框进行车辆密集度检测即目标检测易受到道路环境复杂、车辆密集度高等因素的影响，造成误检、漏检等情况，而使用旋转矩形框进行车辆检测可以改善这一情况，因此，在YOLOv5的网络结构上新增加旋转分支，将多尺度特征和原检测结果转化为带有角度信息的旋转框检测结果，基于原损失函数和旋转分支重新定义了多任务损失函数，在满足实时性的需求下提升检测准确率。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
