-
公开(公告)号：CN112434618A
公开(公告)日：2021-03-02
申请号：CN202011357082.7
申请日：2020-11-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于稀疏前景先验的视频目标检测方法、存储介质及设备，采用基于正交子空间学习的前景提取方法计算得到视频中每一帧对应的稀疏前景先验图；利用ResNet特征提取网络和特征金字塔结构得到视频帧及其稀疏前景图的语义增强特征图；将稀疏前景先验图的语义增强特征图与当前帧的语义增强特征图级联后，经卷积融合操作得到当前帧的前景先验融合特征；在前景先验融合特征图的每个像素上映射生成候选锚框；将前景先验融合特征和所有锚框输入到训练好的分类和回归子网络，得到目标物体的类别和位置坐标。本发明充分挖掘了视频数据的稀疏前景先验，提高了目标检测准确率。
-
公开(公告)号：CN112084923B
公开(公告)日：2023-12-22
申请号：CN202010905024.7
申请日：2020-09-01
Applicant: 西安电子科技大学
IPC: G06V10/26 , G06V20/70 , G06V20/10 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种遥感图像语义分割方法、存储介质及计算设备，对大规模遥感图像和其对应的标签图像进行等比例裁剪，得到用于训练的小块遥感图像；随机对小块遥感图像和对应的标签图像进行处理，然后对生成的所有训练图片和其对应的标签图像按顺序进行编号，得到扩充后的训练用遥感图像数据集；构建损失函数并将训练图片依次放入语义分割网络中，得到训练好的遥感图像语义分割网络；遍历整张特征图的全部像素并进行优化操作，然后随机裁剪的小块遥感(56)对比文件Xiaomei ZHAO 等.Real-time humansegmentation by BowtieNet and a SLAM-based human AR system《.Virtual Reality &Intelligent Hardware》.2019,第1卷(第5期),摘要.任凤雷 等.基于DeepLabV3+与超像素优化的语义分割《.光学精密工程》.2019,第27卷(第12期),第2.1节，第2.3节，图3.Vijay Badrinarayanan 等.SegNet: ADeep Convolutional Encoder-DecoderArchitecture for Image Segmentation《.IEEETRANSACTIONS ON PATTERN ANALYSIS ANDMACHINE INTELLIGENCE》.2017,第39卷(第12期),第3节，图2.
-
公开(公告)号：CN113205519B
公开(公告)日：2023-07-25
申请号：CN202110432657.5
申请日：2021-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多支路特征融合的图像分割方法及系统，建立三个基于Xception的轻量化子网络，对三个子网络的输出进行通道缩减操作和4倍双线性上采样，得到三个子网络的高级特征输出，然后将第一高级特征输出和第二高级特征输出并联到第二特征提取模块和第三特征提取模块，构造图像分割模型的编码器；将三个特征提取子网络的输出分别进行通道缩减操作得到低级特征和高级特征，构造完成图像分割模型的解码器；使用两个尺寸不同的预测图像构造损失函数；使用随机梯度下降优化器对损失函数进行优化训练，获得训练好的图像分割模型，使用训练好的图像分割模型完成图像的分割任务。本发明提高了分割准确率；加快图像分割速度；改善分割结果图细节部分。
-
Patent Agency Ranking
公开(公告)号：CN112434618B
公开(公告)日：2023-06-23
申请号：CN202011357082.7
申请日：2020-11-26
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于稀疏前景先验的视频目标检测方法、存储介质及设备，采用基于正交子空间学习的前景提取方法计算得到视频中每一帧对应的稀疏前景先验图；利用ResNet特征提取网络和特征金字塔结构得到视频帧及其稀疏前景图的语义增强特征图；将稀疏前景先验图的语义增强特征图与当前帧的语义增强特征图级联后，经卷积融合操作得到当前帧的前景先验融合特征；在前景先验融合特征图的每个像素上映射生成候选锚框；将前景先验融合特征和所有锚框输入到训练好的分类和回归子网络，得到目标物体的类别和位置坐标。本发明充分挖掘了视频数据的稀疏前景先验，提高了目标检测准确率。
-
公开(公告)号：CN111310609B
公开(公告)日：2023-04-07
申请号：CN202010075005.6
申请日：2020-01-22
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/74 , G06V10/44 , G06V10/62 , G06V10/82 , G06N3/045 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于时序信息和局部特征相似性的视频目标检测方法，主要解决现有技术检测视频目标准确率较低和特征位置不匹配的问题。其实现方案是：用ResNet网络提取视频每一帧的特征图；用局部特征哈希相似性度量计算特征图的相似性，并用该哈希相似性得分表示当前位置特征的变化；对相邻帧的特征图进行加权，并与当前帧特征相加，得到当前帧的修正特征；用基于稀疏分类的区域候选网络得到修正特征的候选目标框；用感兴趣区域池化得到大小统一的特征，并将这些大小统一的特征输入到训练后的分类和回归网络，得到检测结果。本发明提高了检测准确率较高，降低了计算复杂度。
-
公开(公告)号：CN113205519A
公开(公告)日：2021-08-03
申请号：CN202110432657.5
申请日：2021-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于多支路特征融合的图像分割方法及系统，建立三个基于Xception的轻量化子网络，对三个子网络的输出进行通道缩减操作和4倍双线性上采样，得到三个子网络的高级特征输出，然后将第一高级特征输出和第二高级特征输出并联到第二特征提取模块和第三特征提取模块，构造图像分割模型的编码器；将三个特征提取子网络的输出分别进行通道缩减操作得到低级特征和高级特征，构造完成图像分割模型的解码器；使用两个尺寸不同的预测图像构造损失函数；使用随机梯度下降优化器对损失函数进行优化训练，获得训练好的图像分割模型，使用训练好的图像分割模型完成图像的分割任务。本发明提高了分割准确率；加快图像分割速度；改善分割结果图细节部分。
-
公开(公告)号：CN112084923A
公开(公告)日：2020-12-15
申请号：CN202010905024.7
申请日：2020-09-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种遥感图像语义分割方法、存储介质及计算设备，对大规模遥感图像和其对应的标签图像进行等比例裁剪，得到用于训练的小块遥感图像；随机对小块遥感图像和对应的标签图像进行处理，然后对生成的所有训练图片和其对应的标签图像按顺序进行编号，得到扩充后的训练用遥感图像数据集；构建损失函数并将训练图片依次放入语义分割网络中，得到训练好的遥感图像语义分割网络；遍历整张特征图的全部像素并进行优化操作，然后随机裁剪的小块遥感图像进行合并操作，对于重合部分进行多数投票表决，得到大规模遥感图像的分割结果，完成特征图合并操作。本发明处理速度快，效果好。
-
公开(公告)号：CN111310609A
公开(公告)日：2020-06-19
申请号：CN202010075005.6
申请日：2020-01-22
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于时序信息和局部特征相似性的视频目标检测方法，主要解决现有技术检测视频目标准确率较低和特征位置不匹配的问题。其实现方案是：用ResNet网络提取视频每一帧的特征图；用局部特征哈希相似性度量计算特征图的相似性，并用该哈希相似性得分表示当前位置特征的变化；对相邻帧的特征图进行加权，并与当前帧特征相加，得到当前帧的修正特征；用基于稀疏分类的区域候选网络得到修正特征的候选目标框；用感兴趣区域池化得到大小统一的特征，并将这些大小统一的特征输入到训练后的分类和回归网络，得到检测结果。本发明提高了检测准确率较高，降低了计算复杂度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
