-
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：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
3
records
(took 0.014 seconds)
