-
公开(公告)号：CN108898620B
公开(公告)日：2021-06-18
申请号：CN201810619827.9
申请日：2018-06-14
Applicant: 厦门大学
Abstract: 基于多重孪生神经网络与区域神经网络的目标跟踪方法，涉及计算机视觉技术。通过使用预训练的多重孪生神经网络，将目标跟踪问题转化为可更新的实例检索问题。同时采用预训练的区域神经网络，以解决目标丢失后的重检测问题。首先在大型视觉识别数据库上训练多重孪生神经网络对目标进行实例检索，然后在目标跟踪过程中运用预训练的区域神经网络对丢失目标进行重新检测，进一步辅助获取最终目标的位置，实现实时的目标跟踪。首先在大型视觉识别数据库上训练多重孪生神经网络对目标进行实例检索，然后在目标跟踪过程中运用预训练的区域神经网络对丢失目标进行重新检测，进一步辅助获取最终目标的位置，实现实时的目标跟踪的。
-
公开(公告)号：CN112132872A
公开(公告)日：2020-12-25
申请号：CN202010982221.9
申请日：2020-09-17
Applicant: 厦门大学
Abstract: 一种针对深度相关滤波目标跟踪算法的评测方法，涉及计算机视觉技术。将基于深度相关滤波的目标跟踪算法分为五个独立的部分，即移动模型、特征提取器、相关滤波模型、相关滤波模板更新器、定位模型；并对这五个独立的部分单独进行评测，从而评测出各个部分对算法的影响大小；最后通过综合这五个部分的单独评测结果，实现对基于深度相关滤波的目标跟踪方法进行改进。所获得的评测结果能够直观的评测基于深度相关滤波的目标跟踪算法，可以进一步用于基于深度相关滤波的运动分割、特征匹配等计算机视觉领域的重要任务。在多个经典的深度相关滤波目标跟踪算法上进行实验验证，能够有效对算法进行评价，从而实现对算法性能评测与针对性提升。
-
公开(公告)号：CN110189362B
公开(公告)日：2020-12-25
申请号：CN201910452361.2
申请日：2019-05-28
Applicant: 厦门大学
Abstract: 基于多分支自编码对抗网络的高效目标跟踪方法。在有标记的离线目标跟踪数据集中收集大量目标模板和包含有目标的搜索区域样本对；使用均方误差损失，通过全监督的方式对所提出的目标概率生成器进行初步训练；引入判别器，加入对抗训练的方式共同优化目标概率生成器和判别器；给定测试视频中的第一帧，采样其标注的目标区域作为初始目标模板；给定测试帧，以当前目标长宽的N倍大小的窗口进行随机的位移来得到搜索区域；将搜索区域和目标模板输入目标概率生成器，输出得到目标概率图，选取目标概率图中最大值点的位置作为目标中心；根据目标概率图分布估计目标在当前帧的尺度；根据当前帧估计的目标区域进行目标模板更新。
-
公开(公告)号：CN109859241A
公开(公告)日：2019-06-07
申请号：CN201910019982.1
申请日：2019-01-09
Applicant: 厦门大学
IPC: G06T7/246
Abstract: 自适应特征选择和时间一致性鲁棒相关滤波视觉跟踪方法，涉及计算机视觉技术。将弹性网络和时间一致性约束同时引入到相关滤波学习中，能够自适应地选择判别性特征抑制干扰特征，同时，能够将模型的学习与更新结合在一起，能够有效地缓解传统相关滤波器判别性不强以及随时间退化的问题，提高算法对遮挡、形变、旋转以及背景干扰的鲁棒性。通过弹性网络和时间一致性约束，相关滤波器自适应地选择时间上连续的、具有区域特性的判别性特征。推导出的相关滤波学习问题能够通过ADMM求解，仅仅用少数几次迭代就能高效地求解该问题。能够取得较好的性能，精度高，速度快。
-
公开(公告)号：CN110189362A
公开(公告)日：2019-08-30
申请号：CN201910452361.2
申请日：2019-05-28
Applicant: 厦门大学
Abstract: 基于多分支自编码对抗网络的高效目标跟踪方法。在有标记的离线目标跟踪数据集中收集大量目标模板和包含有目标的搜索区域样本对；使用均方误差损失，通过全监督的方式对所提出的目标概率生成器进行初步训练；引入判别器，加入对抗训练的方式共同优化目标概率生成器和判别器；给定测试视频中的第一帧，采样其标注的目标区域作为初始目标模板；给定测试帧，以当前目标长宽的N倍大小的窗口进行随机的位移来得到搜索区域；将搜索区域和目标模板输入目标概率生成器，输出得到目标概率图，选取目标概率图中最大值点的位置作为目标中心；根据目标概率图分布估计目标在当前帧的尺度；根据当前帧估计的目标区域进行目标模板更新。
-
Patent Agency Ranking
公开(公告)号：CN109859241B
公开(公告)日：2020-09-18
申请号：CN201910019982.1
申请日：2019-01-09
Applicant: 厦门大学
IPC: G06T7/246
Abstract: 自适应特征选择和时间一致性鲁棒相关滤波视觉跟踪方法，涉及计算机视觉技术。将弹性网络和时间一致性约束同时引入到相关滤波学习中，能够自适应地选择判别性特征抑制干扰特征，同时，能够将模型的学习与更新结合在一起，能够有效地缓解传统相关滤波器判别性不强以及随时间退化的问题，提高算法对遮挡、形变、旋转以及背景干扰的鲁棒性。通过弹性网络和时间一致性约束，相关滤波器自适应地选择时间上连续的、具有区域特性的判别性特征。推导出的相关滤波学习问题能够通过ADMM求解，仅仅用少数几次迭代就能高效地求解该问题。能够取得较好的性能，精度高，速度快。
-
公开(公告)号：CN107392244B
公开(公告)日：2020-08-28
申请号：CN201710587701.3
申请日：2017-07-18
Applicant: 厦门大学
Abstract: 本发明实施例提供一种基于深度神经网络与级联回归的图像美感增强方法，包括以下步骤:S1，提供尺寸为C0的原始图像，通过级联回归算法进行求解获得最小化目标；S2，通过AVA数据集与CHUKPQ数据集训练深度卷积神经网络的提取图像特征功能；S3，通过深度卷积神经网络提取深度特征xt，并通过深度卷积神经网络的空间金字塔池化层将尺寸为C0原始图像变转化为(2*2+3*3+4*4)*32的特征向量；S4，将提取的深度特征xt应用于随机蕨回归器中，并采用梯度下降方法学习获得基元回归器，通过级联回归器来输出候选结果Cj(1≤j≤4)；不断迭代直到误差不再减小，获得基元回归器的最小化目标函数；S5，将步骤S4中获得的基元回归器与深度特征xt按照迭代的方式进行T次循环，通过多级循环剪切获得最终裁剪图像。
-
公开(公告)号：CN108898620A
公开(公告)日：2018-11-27
申请号：CN201810619827.9
申请日：2018-06-14
Applicant: 厦门大学
Abstract: 基于多重孪生神经网络与区域神经网络的目标跟踪方法，涉及计算机视觉技术。通过使用预训练的多重孪生神经网络，将目标跟踪问题转化为可更新的实例检索问题。同时采用预训练的区域神经网络，以解决目标丢失后的重检测问题。首先在大型视觉识别数据库上训练多重孪生神经网络对目标进行实例检索，然后在目标跟踪过程中运用预训练的区域神经网络对丢失目标进行重新检测，进一步辅助获取最终目标的位置，实现实时的目标跟踪。首先在大型视觉识别数据库上训练多重孪生神经网络对目标进行实例检索，然后在目标跟踪过程中运用预训练的区域神经网络对丢失目标进行重新检测，进一步辅助获取最终目标的位置，实现实时的目标跟踪的。
-
公开(公告)号：CN107392244A
公开(公告)日：2017-11-24
申请号：CN201710587701.3
申请日：2017-07-18
Applicant: 厦门大学
Abstract: 本发明实施例提供一种基于深度神经网络与级联回归的图像美感增强方法，包括以下步骤:S1，提供尺寸为C0的原始图像，通过级联回归算法进行求解获得最小化目标；S2，通过AVA数据集与CHUKPQ数据集训练深度卷积神经网络的提取图像特征功能；S3，通过深度卷积神经网络提取深度特征xt，并通过深度卷积神经网络的空间金字塔池化层将尺寸为C0原始图像变转化为(2*2+3*3+4*4)*32的特征向量；S4，将提取的深度特征xt应用于随机蕨回归器中，并采用梯度下降方法学习获得基元回归器，通过级联回归器 来输出候选结果Cj(1≤j≤4)；不断迭代直到误差不再减小，获得基元回归器的最小化目标函数；S5，将步骤S4中获得的基元回归器与深度特征xt按照迭代的方式进行T次循环，通过多级循环剪切获得最终裁剪图像。
-
公开(公告)号：CN219111682U
公开(公告)日：2023-06-02
申请号：CN202222568656.6
申请日：2022-09-27
Applicant: 厦门大学
Inventor： 王亚军 , 王伟锋 , 谭茜文 , 刘祎 , 兰佳祥 , 吴雨曈 , 王靖妮 , 卢哲霞 , 郭家旺 , 吴文琦 , 陈仕楷 , 李培鑫 , 李政芸 , 蓝明慧 , 张含冰 , 杨陈曦 , 黄至焕 , 李婧雯 , 朱宇涛 , 符苡榕
Abstract: 本实用新型提供了一种实验台，包括：试验台本体、器皿架和气体过滤装置；所述器皿架用以摆放实验器具，所述器皿架布置在所述试验台本体的台面之上，所述气体过滤装置包括抽吸机构、过滤机构、升降机构和吸气罩机构；所述吸气罩机构、抽吸机构和过滤机构依次连接，所述抽吸机构用以通过吸气罩机构抽吸实验产生的刺激或者毒性气体以通过过滤机构过滤。应用本技术方案可通过设置抽吸机构、过滤机构和吸气罩机构，能够将实验产生的有毒气体沿吸气罩机构吸入并输送至过滤机构中进行过滤净化，从而避免有毒气体危害实验者的身体健康。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
