-
公开(公告)号：CN112990447A
公开(公告)日：2021-06-18
申请号：CN202110551343.7
申请日：2021-05-20
Applicant: 之江实验室
Abstract: 本发明公开了一种知识显著性与局部模式一致性的知识蒸馏方法与装置，具体包括：从教师模型和学生模型中选择需要进行知识蒸馏的特征层；计算所选学生模型特征层与教师模型特征层每个通道的语义相似性；计算所选学生模型特征层与教师模型特征层每个空间位置的语义相似性；计算所选学生模型中每个特征位置局部模式与教师模型特征层对应位置局部模式一致度；将上述计算得到的语义相似性及局部模式一致度融合入损失函数中，训练学生模型。该发明相比与现有技术操作简单，不需要特定的神经网络模型，同时能够显著地改善学生模型性能。
-
公开(公告)号：CN112581626B
公开(公告)日：2021-06-08
申请号：CN202110198676.6
申请日：2021-02-23
Applicant: 之江实验室
Abstract: 本发明公开了一种基于非参数化和多注意力机制的复杂曲面测量系统，主要针对形貌随机复杂的2.5D连续曲面，该系统包括依次连接的基于被测对象几何形状的曲面特定核函数设计模块、高斯过程（GP）点云自适应采样模块、曲面配准和稀疏误差重建模块、像素化和归一化模块、多尺度多注意力超分辨模块、解归一化模块、点云空间映射模块，最终将稀疏的点云数据进行增强得到高质量高密度的点云数据。该系统针对接触式形貌测量传感器测量效率较低的问题，通过结合高斯过程和多注意力机制的超分辨技术，利用较少的测量点即可以完成对连续复杂的2.5D曲面的高精度测量和重建，具有测量效率高、点云上采样精度高和曲面细节还原性高的优点。
-
公开(公告)号：CN112434723B
公开(公告)日：2021-06-01
申请号：CN202011163778.6
申请日：2020-10-27
Applicant: 之江实验室
Abstract: 本发明公开了一种基于注意力网络的日/夜间图像分类及物体检测方法，该方法首先采集街道摄像头监控视频处理成图像进行标注，结合开源的街道数据集共同构建图像数据集；通过基于特征金字塔的深度卷积神经网络提取图像的表观特征；在所提取特征上预测图像的日/夜属性，并捕获表征日/夜间物体的注意图；基于注意力图对提取的特征图进行加权；最后根据预测的日/夜属性将加权后的特征图输入对应日/夜间的检测头做位置回归与物体分类。本发明旨在通过注意力机制使网络关注到日/夜间的不同特征，并通过两个分支分别完成日/夜间物体的检测，能够提升日/夜间物体检测的性能，可用于街道智能监控系统。
-
公开(公告)号：CN111860471B
公开(公告)日：2021-01-15
申请号：CN202010993035.5
申请日：2020-09-21
Applicant: 之江实验室
Abstract: 本发明公开了一种基于特征检索的工服穿戴识别方法及系统，该方法包括特征检索库构建、行人检测、工服特征提取、工服检索识别四个步骤。人工选取不同类别工服中具有代表性的图像集，通过分类网络提取工服特征，构建特征检索库；将待测图像输入行人检测网络得到行人区域，裁剪图像中行人所在区域输入分类网络提取工服特征；将工服特征作为检索对象输入特征检索库，计算该对象与库中各特征的距离，最终输出该对象是否穿戴工服以及所穿工服的类别。本发明可通过简单的重建特征检索库实现对工服类别的灵活增减，有效避免重新训练模型的巨大成本，可用于工厂车间工服穿戴识别及警报系统。
-
公开(公告)号：CN111723786B
公开(公告)日：2020-12-25
申请号：CN202010851025.8
申请日：2020-08-21
Applicant: 之江实验室
Abstract: 本发明公开了一种基于单模型预测的安全帽佩戴检测方法及装置，该方法包括将原始图像输入到一个深度卷积神经网络中，在深度卷积神经网络的不同层中提取出原始图像的表观特征，并采用特征金字塔网络在表观特征上获取不同尺度的特征图；将不同尺度的特征图分别输入到坐标回归网络和行人识别网络中，分别输出在原始图像中检测到的行人目标的位置和识别的置信度，通过非极大值抑制方法找到最佳的目标边界框，并消除冗余的边界框；将不同尺度的特征图输入到基于注意力机制的安全帽佩戴分类网络中，最终得到行人目标是否佩戴安全帽的检测结果。通过单个模型来对监控摄像头拍摄的厂区、工地等作业场所中工作人员是否佩戴安全帽的精准识别。
-
Patent Agency Ranking
公开(公告)号：CN112070075A
公开(公告)日：2020-12-11
申请号：CN202011264121.9
申请日：2020-11-12
Applicant: 之江实验室
Abstract: 本发明公开一种基于协同回归的人体检测方法，该方法首先预训练深度卷积神经网络骨干模型；然后在模型的输出特征层分别预测人头中心点、人体中心点及对应人体宽高；同时在模型的输出特征层分别回归指向人体中心点的向量和指向人头中心点的向量；训练最小化损失函数，得到人体检测模型；最后将测试集图片输入训练好的模型，利用人头中心点、人体中心点预测值及两者互相指向的向量确定人体位置，结合人体宽高预测值得到人体检测结果。本发明通过充分考虑人群密集场景人体检出率低的问题，利用人群密集场景中人头相较于人体不易产生互相遮挡的特点，提出基于人头中心点、人体中心点协同回归的人体检测方法，在人群密集场景中的人体检出率高。
-
公开(公告)号：CN112069929A
公开(公告)日：2020-12-11
申请号：CN202010842782.9
申请日：2020-08-20
Applicant: 之江实验室
Abstract: 本发明公开了一种无监督行人重识别方法、装置、电子设备及存储介质，该方法包括：在带标签的源域数据集中预训练行人重识别模型；利用所述模型提取无标签目标域中训练集的训练特征；根据所述训练特征，基于自适应聚类的方法将目标域训练集分为若干簇，并分配对应的伪标签；将每个簇设定为一个原型，在原型中挑选出与原型中心的距离小于设定阈值的样本，并利用所述样本的训练特征和伪标签对所述模型进行再训练，得到更新参数后的行人重识别模型；将目标域的查询集和待选集输入到所述模型中，分别得到二者的测试特征，根据测试特征的相似度从待选集中选出符合查询图片要求的图片。本发明有效缓解了域间隔问题，提高了跨域行人重识别的准确度。
-
公开(公告)号：CN111626276B
公开(公告)日：2020-10-30
申请号：CN202010750662.6
申请日：2020-07-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于两级神经网络的工鞋穿戴检测方法及装置，包括：获取监控视频的图片数据集；对图片数据集中包含的鞋子目标和人体目标进行标注，得到标注数据集；构建两级神经网络模型，所述两级神经网络模型由一级人体检测网络模型和二级鞋子检测网络模型级联而成，二级鞋子检测网络模型的输入为一级人体检测网络模型的输出；将待检测的图片输入到所述两级神经网络模型中，输出人体框位置、鞋子位置相对人体框的偏移和穿戴工鞋的置信度；根据人体框位置、鞋子位置相对人体框的偏移，计算得到鞋子的位置，结合置信度判断是否穿戴工鞋。该方法克服了视频中工作人员的鞋子目标较小导致检测召回率低的问题，可用于工厂中工作人员工鞋穿戴检测。
-
公开(公告)号：CN111626276A
公开(公告)日：2020-09-04
申请号：CN202010750662.6
申请日：2020-07-30
Applicant: 之江实验室
Abstract: 本发明公开了一种基于两级神经网络的工鞋穿戴检测方法及装置，包括：获取监控视频的图片数据集；对图片数据集中包含的鞋子目标和人体目标进行标注，得到标注数据集；构建两级神经网络模型，所述两级神经网络模型由一级人体检测网络模型和二级鞋子检测网络模型级联而成，二级鞋子检测网络模型的输入为一级人体检测网络模型的输出；将待检测的图片输入到所述两级神经网络模型中，输出人体框位置、鞋子位置相对人体框的偏移和穿戴工鞋的置信度；根据人体框位置、鞋子位置相对人体框的偏移，计算得到鞋子的位置，结合置信度判断是否穿戴工鞋。该方法克服了视频中工作人员的鞋子目标较小导致检测召回率低的问题，可用于工厂中工作人员工鞋穿戴检测。
-
公开(公告)号：CN111368815B
公开(公告)日：2020-09-04
申请号：CN202010467045.5
申请日：2020-05-28
Applicant: 之江实验室
Abstract: 本发明提供了一种基于多部件自注意力机制的行人重识别方法，该方法首先预训练深度卷积神经网络骨干模型；然后对骨干模型进行分支后构建多部件自注意力网络，获得多部件自注意力特征；接着将多部件自注意力特征输入分类器，联合训练最小化交叉熵损失和度量损失；最后将测试集图片输入训练好的模型，融合输出的部件特征获得整体特征，经度量排序实现行人重识别。本发明通过充分考虑行人重识别问题中存在的各种挑战，提出了多部件自注意力机制，有效地扩展了注意力激活区域，丰富了行人特征；自注意力模块使网络更充分细致地关注具有判别特性的区域就，其中空间注意力模块和通道注意力模块以残差的形式融入网络，使得网络更加健壮稳定，容易训练。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.027 seconds)
