-
公开(公告)号：CN116935349B
公开(公告)日：2023-11-28
申请号：CN202311188435.9
申请日：2023-09-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于Zigzag变换的车道线检测方法、系统、设备及介质，属于智能交通技术领域。本发明将具有特殊的长、细，且按斜方向分布的车道线结构，通过zigzag变换的方式将原本远离的车道线区域聚合，从而将车道线检测需要解决的非局部问题转换为可以学习的局部增强问题。本发明相比于部分经典的注意力模块获得了更好的效果，同时依然能保持模型的轻量性，真正实现了车道线检测的高实时性和高准确率的需求。此外，通过zigzag变换的方式将原本远离的车道线区域聚合后，使用简单、轻量的卷积和全连接等操作，实现车道线结构的局部、全局增强，并且可以利用“车道线总是同时对称出现”的先验知识，进一步提升检测的精度。(56)对比文件Qinghua Zhao等.Lane line detectionbased on the codec structure of theattention mechanism《.Journal of Real-TimeImage Processing》.2022,第715-726页.
-
公开(公告)号：CN116935349A
公开(公告)日：2023-10-24
申请号：CN202311188435.9
申请日：2023-09-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于Zigzag变换的车道线检测方法、系统、设备及介质，属于智能交通技术领域。本发明将具有特殊的长、细，且按斜方向分布的车道线结构，通过zigzag变换的方式将原本远离的车道线区域聚合，从而将车道线检测需要解决的非局部问题转换为可以学习的局部增强问题。本发明相比于部分经典的注意力模块获得了更好的效果，同时依然能保持模型的轻量性，真正实现了车道线检测的高实时性和高准确率的需求。此外，通过zigzag变换的方式将原本远离的车道线区域聚合后，使用简单、轻量的卷积和全连接等操作，实现车道线结构的局部、全局增强，并且可以利用“车道线总是同时对称出现”的先验知识，进一步提升检测的精度。
-
公开(公告)号：CN116071374A
公开(公告)日：2023-05-05
申请号：CN202310185940.1
申请日：2023-02-28
Applicant: 华中科技大学
IPC: G06T7/10 , G06V10/25 , G06V10/82 , G06V10/80 , G06V10/762 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种车道线实例分割方法及系统，属于智能交通技术领域，方法包括：采用深度神经网络对输入图像进行各种层次特征的提取；采用注意力机制对输入图像的高层语义特征和中层特征分配不同的通道注意力分数和空间注意力分数；采用分配了注意力分数后的特征图构建特征金字塔；采用实时实例分割算法通过构建预测头和掩膜原型，获取初始实例分割检测结果；依次使用非极大值抑制算法和车道线几何特征评分方法对初始实例分割检测结果进行筛选，获取最终的实例分割结果。本发明解决了在目前实例分割方法在车道线检测场景中普遍存在的因为非极大值抑制算法出现的检测结果漏检或抑制不全的问题，同时依然满足实时而准确的车道线检测。
-
公开(公告)号：CN113220915B
公开(公告)日：2022-11-22
申请号：CN202110477016.1
申请日：2021-04-29
Applicant: 华中科技大学
Abstract: 本发明提供了一种基于残差注意力的遥感图像检索方法及装置，属于图像处理领域，方法包括：将待检索遥感图像输入至训练完毕的深度神经网络，根据正样本排名为正样本对应的三元组分配不同的惩罚权重；将各单元中的惩罚权重与正样本的检索分数相乘后求和，输出检索结果；训练深度神经网络的方法为：通过深度神经网络提取高层语义特征；通过残差注意力机制为局部特征分配注意力分数后，将全局特征和带有注意力分数的局部特征通过残差映射，获取更新后的特征集合；将更新后的特征集合通过特征描述符池化；将输出特征分划分为正样本和负样本后，采用动态加权机制，结合三元组损失函数训练深度神经网络。本发明有效提高了图像检索装置的性能。
-
公开(公告)号：CN113220915A
公开(公告)日：2021-08-06
申请号：CN202110477016.1
申请日：2021-04-29
Applicant: 华中科技大学
Abstract: 本发明提供了一种基于残差注意力的遥感图像检索方法及装置，属于图像处理领域，方法包括：将待检索遥感图像输入至训练完毕的深度神经网络，根据正样本排名为正样本对应的三元组分配不同的惩罚权重；将各单元中的惩罚权重与正样本的检索分数相乘后求和，输出检索结果；训练深度神经网络的方法为：通过深度神经网络提取高层语义特征；通过残差注意力机制为局部特征分配注意力分数后，将全局特征和带有注意力分数的局部特征通过残差映射，获取更新后的特征集合；将更新后的特征集合通过特征描述符池化；将输出特征分划分为正样本和负样本后，采用动态加权机制，结合三元组损失函数训练深度神经网络。本发明有效提高了图像检索装置的性能。
-
Patent Agency Ranking
公开(公告)号：CN107291855A
公开(公告)日：2017-10-24
申请号：CN201710430625.5
申请日：2017-06-09
Applicant: 中国电子科技集团公司第五十四研究所 , 华中科技大学
CPC classification number: G06F16/5838 , G06K9/6215 , G06T7/136
Abstract: 本发明公开了一种基于显著对象的图像检索方法及系统，包括：通过对包含显著对象的查询图像进行显著性检测，确定查询图像的显著对象所在的区域；确定查询图像的显著对象所在的区域的视觉特征；确定查询图像的显著对象的语义类别；将查询图像的显著对象的视觉特征与图像库中相同语义类别的图像的显著对象的视觉特征进行相似度度量，确定所述图像库中与所述查询图像的相似度大于相似度阈值的图像。本发明通过图像显著对象所在区域的视觉特征进行图像检索，避免背景的干扰，并通过确定查询图像显著对象的语义类别，过滤掉图像库中不同语义类别的图像，缩小了图像检索的语义鸿沟，降低了图像检索的复杂度，进一步提升了图像检索的准确性。
-
公开(公告)号：CN117391177B
公开(公告)日：2024-02-20
申请号：CN202311688320.6
申请日：2023-12-11
Applicant: 华中科技大学
IPC: G06N3/0895 , G06N3/045 , G06N3/096 , G06N3/0464 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种驾驶员行为检测模型的构建方法及应用，属于驾驶员行为检测技术领域；所构建的模型包括特征感知学习模块；特征感知学习模块为对ResNet50网络改进后的网络；上述改进方法包括：在ResNet50网络结构的基础上，在其后三个阶段中的普通卷积模块之后均插入一个全局上下文建模模块，并将其后两个阶段的普通卷积模块替换为可变形卷积模块；对于后三个阶段中的任一阶段，其输出为其输入与其内全局上下文建模模块的输出融合后的结果；本发明通过全局上下文建模和可变形卷积自适应地调整感受野，捕获长距离依赖，补偿图像细节的损失，从而克服复杂光照条件和图像质量低所带来的挑战，实现了准确度较高的驾驶员行为检测。
-
公开(公告)号：CN113190699B
公开(公告)日：2023-04-18
申请号：CN202110528115.8
申请日：2021-05-14
Applicant: 华中科技大学
Abstract: 本发明提供了一种基于类别级语义哈希的遥感图像检索方法及装置，属于遥感图像检索领域，方法为：将查询图像输入至已训练完毕的基于深度度量的类别级语义哈希网络模型中，计算查询图像哈希码与哈希码库中各哈希码之间的汉明距离；按照汉明距离从小到大的顺序排序，输出前h个排名的检索结果；h为正整数；训练基于深度度量的类别级语义哈希网络模型的方法为：以基于三元组度量损失、类别级分类损失、哈希码二值化约束和位均衡约束构建的总体目标损失函数最小为目标对基于深度度量的类别级语义哈希网络模型进行训练。实现将遥感图像从高维特征空间映射到低维汉明空间过程中的语义相似性保持，在保证高检索效率低存储空间的同时提升检索准确率。
-
公开(公告)号：CN113192030B
公开(公告)日：2022-05-13
申请号：CN202110475173.9
申请日：2021-04-29
Applicant: 华中科技大学
Abstract: 本发明提供一种遥感图像描述生成方法及系统，包括：利用深度学习技术提取待描述遥感图像的多层次视觉特征；基于待描述遥感图像的多层次视觉特征，利用空间注意力机制和通道注意力机制得到待描述遥感图像的多级特征；基于待描述遥感图像的多层次视觉特征，利用上下文注意力模块得到待描述遥感图像的上下文特征；基于待描述遥感图像的多级特征和上下文特征，利用视觉哨兵自适应机制得到待描述遥感图像的高级语义特征；将待描述遥感图像的高级语义特征输入到训练好的语言模型，得到待描述遥感图像的描述语句。本发明能够获得具有尺度、位置、上下文信息的视觉特征表达，从而提高遥感图像描述生成模型的准确性。
-
公开(公告)号：CN113192030A
公开(公告)日：2021-07-30
申请号：CN202110475173.9
申请日：2021-04-29
Applicant: 华中科技大学
Abstract: 本发明提供一种遥感图像描述生成方法及系统，包括：利用深度学习技术提取待描述遥感图像的多层次视觉特征；基于待描述遥感图像的多层次视觉特征，利用空间注意力机制和通道注意力机制得到待描述遥感图像的多级特征；基于待描述遥感图像的多层次视觉特征，利用上下文注意力模块得到待描述遥感图像的上下文特征；基于待描述遥感图像的多级特征和上下文特征，利用视觉哨兵自适应机制得到待描述遥感图像的高级语义特征；将待描述遥感图像的高级语义特征输入到训练好的语言模型，得到待描述遥感图像的描述语句。本发明能够获得具有尺度、位置、上下文信息的视觉特征表达，从而提高遥感图像描述生成模型的准确性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.026 seconds)
