-
公开(公告)号：CN114897768B
公开(公告)日：2024-09-24
申请号：CN202210303312.4
申请日：2022-03-24
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T7/11 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明请求保护一种基于语义细化的空间金字塔人群计数方法，属于计算机视觉技术领域。所述方法提出了一种新的编解码器模型，称为语义细化空间金字塔网络。所述方法主要包括以下步骤：首先，利用一系列的卷积神经层作为网络前端，在不增加额外计算成本的情况下获得更深层次的特征。此外，空间金字塔多尺度模块是拥有多个感受野的空间金字塔结构，用于捕捉多尺度特征。接着，语义增强模块用来细化网络捕获的多尺度特征，其利用深层语义信息来优化并且融合多尺度特征。最后，利用浅层纹理信息对特征图的细节进行补偿，以提高密度图的质量。本发明旨在建立一个尺度感知的计数网络来准确地估计人群中个体的数量。
-
公开(公告)号：CN114897768A
公开(公告)日：2022-08-12
申请号：CN202210303312.4
申请日：2022-03-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于语义细化的空间金字塔人群计数方法，属于计算机视觉技术领域。所述方法提出了一种新的编解码器模型，称为语义细化空间金字塔网络。所述方法主要包括以下步骤：首先，利用一系列的卷积神经层作为网络前端，在不增加额外计算成本的情况下获得更深层次的特征。此外，空间金字塔多尺度模块是拥有多个感受野的空间金字塔结构，用于捕捉多尺度特征。接着，语义增强模块用来细化网络捕获的多尺度特征，其利用深层语义信息来优化并且融合多尺度特征。最后，利用浅层纹理信息对特征图的细节进行补偿，以提高密度图的质量。本发明旨在建立一个尺度感知的计数网络来准确地估计人群中个体的数量。
-
公开(公告)号：CN114842534A
公开(公告)日：2022-08-02
申请号：CN202210492125.5
申请日：2022-05-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于区域自注意力卷积神经网络的人脸表情识别方法，属于模式识别与计算机视觉技术领域包括以下步骤：首先，利用VGG16网络提取输入图像的深度全局特征，在提取特征的同时保留面部表情的全局信息。其次，通过设计的区域局部多值模式与改进的K‑means算法对像素进行动态聚类，保证表情变化区域特征的鲁棒性，并将二值模式扩展到多个模式，整合区域内像素间的灰度差信息，增强纹理描述。此外，通过自注意机制形成区域权值，并使用秩正则化损失约束不同区域的权值。最后，将加权特征与深度网络提取的特征相结合，增强特征的表征能力。本发明旨在建立一个鲁棒的人脸表情识别网络来准确地估计真实环境中面部表情的类别。
-
公开(公告)号：CN114662572A
公开(公告)日：2022-06-24
申请号：CN202210220077.4
申请日：2022-03-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于定位感知的高速孪生网络目标跟踪方法，属于计算机视觉技术领域。所述方法主要包括以下步骤：以AlexNet作为特征提取子网，进行模板图像以及搜索图像的特征提取任务；为了增强特征的表征能力，本发明提出了一个上下文增强模块，从局部和全局层面捕获丰富的目标信息，同时提出一种新的特征融合策略，充分结合不同尺度特征的上下文信息；最后，利用Distance‑IoU loss计算网络的回归损失，引导跟踪器选择更精确的边界框。在增加少量参数的同时，本发明能够保证较高的跟踪速度，并且有效地提升基于孪生网络跟踪器在复杂场景下的跟踪性能。
-
-
-
Search Results
4
records
(took 0.013 seconds)
