-
公开(公告)号：CN108932729B
公开(公告)日：2021-06-04
申请号：CN201810939906.8
申请日：2018-08-17
Applicant: 安徽大学
Abstract: 本发明公开了一种最小障碍距离加权跟踪方法，在搜索窗口内进行采样产生一组候选样本；将当前帧的边界框分为不重叠的图像块并扩大为扩展边界框，提取每个图像块的特征；以边框图像作为种子节点，计算其他节点与种子节点的最小障碍距离，然后得到距离转换图；将最小障碍距离作为权重加于对应的图像块特征上，得到空间有序的加权图像块特征描述子，带有图像特征的组合权重被合并到结构化支持向量机中以执行跟踪。本发明结合图像颜色直方图特征和方向梯度直方图特征计算得到基于背景种子节点集合的距离转换图，根据图像图像块与背景节点的最小障碍距离，解决了遮挡和形变的问题，同时能够减少漂移，增强跟踪的稳定性和鲁棒性。
-
公开(公告)号：CN112801182A
公开(公告)日：2021-05-14
申请号：CN202110111705.0
申请日：2021-01-27
Applicant: 安徽大学
Abstract: 本发明公开一种基于困难样本感知的RGBT目标跟踪方法，包括对行可见光图片和热红外图片进行配准标注分成训练集和测试集，然后对构建对应模型对预处理后的图片进行训练和测试；模型中包括实时跟踪网络RT‑MDNet、VGG‑M特征提取模块、前景增强模块、特征嵌入模块和二分类模块，本发明在低光照光照变化强烈等极端条件下跟踪上目标，通过前景增强模块来增强前景信息抑制背景信息，并通过困难样本感知损失函数，挖掘更多困难样本，辅助分类器目标背景的分类。
-
公开(公告)号：CN119107582A
公开(公告)日：2024-12-10
申请号：CN202411193554.8
申请日：2024-08-28
Applicant: 安徽大学
IPC: G06V20/40 , G06V10/25 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 一种基于YOLOv8和DeepSORT算法的安全预警方法，属于安全预警技术领域，为了解决目标检测跟踪算法的性能和准确性显著下降，无法同时捕捉多个目标，特别是目标消失的情况下，难以进行重复捕捉的问题，发明包括数据采集模块、数据处理模块、目标检测模块、目标跟踪模块、行为分析模块、预警机制。本发明通过使用YOLOv8目标检测算法以提高检测精度，使该系统拥有高检测速度与精度，使用DeepSORT作为目标跟踪算法，使系统具有强大的跟踪性能，实现多目标跟踪和充实别能力。
-
公开(公告)号：CN118967559A
公开(公告)日：2024-11-15
申请号：CN202410924354.9
申请日：2024-07-11
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/73 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种基于SAM和课程学习的太赫兹图像乳腺肿瘤检测方法，为了从太赫兹乳腺图像中准确定位并识别肿瘤，本发明将视觉基础模型SAM应用于肿瘤检测，构建一个双分支的肿瘤检测网络，其中一个分支利用目标检测模型DETR对太赫兹乳腺图像进行粗粒度的肿瘤检测，生成混合提示，包括边界框和类别，其中类别作为一种文本提示，然后将其输入SAM分支进行细粒度肿瘤检测。此外，本发明采用课程学习的思想，将由易到难的太赫兹乳腺肿瘤图像数据集分批次地送入双分支肿瘤检测网络进行训练，以获得较好的检测效果。
-
公开(公告)号：CN113505634B
公开(公告)日：2024-06-14
申请号：CN202110566201.8
申请日：2021-05-24
Applicant: 安徽大学
IPC: G06V20/13 , G06V10/46 , G06N3/0464 , G06N3/08 , G06T7/194
Abstract: 本发明公开一种双流解码跨任务交互网络的光学遥感图像显著目标检测方法，通过前景检测和背景检测两个不同的任务互相学习来更加准确的检测出显著区域，此外本发明在前景检测分支融合有目标边界优化分支来细化目标边界特征的提取。因此，本发明不仅可以预测到更准确的目标边界，而且能够通过背景检测分支来辅助前景检测时得到更准确的显著区域。
-
Patent Agency Ranking
公开(公告)号：CN115761568A
公开(公告)日：2023-03-07
申请号：CN202211278722.4
申请日：2022-10-19
Applicant: 安徽大学 , 中国科学院生物物理研究所 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
IPC: G06V20/40 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于YOLOv7网络和Deepsort网络的猕猴检测方法，输入猕猴运动视频序列到网络，并提取和处理帧图像，通过优化后YOLOv7网络对输入图像进行提取特征获得预测结果；将预测结果再次作为输入信息送入Deepsort网络得到预测框序列；最后预测框序列进行缺失值的检测和处理。本发明基于单阶段目标检测算法，结合时序转移模块（TSM）提取目标视频序列的时空信息，提高对猕猴检测的精度，在检测输出位置串联Deepsort算法对结果再处理优化输出结果，解决猕猴检测特征选择困难和识别率不高、受图像中亮度、对比度变化和阴影等因素的影响、以及笼子遮挡影响下检测精度不高的问题。
-
公开(公告)号：CN113505634A
公开(公告)日：2021-10-15
申请号：CN202110566201.8
申请日：2021-05-24
Applicant: 安徽大学
Abstract: 本发明公开一种双流解码跨任务交互网络的光学遥感图像显著目标检测方法，通过前景检测和背景检测两个不同的任务互相学习来更加准确的检测出显著区域，此外本发明在前景检测分支融合有目标边界优化分支来细化目标边界特征的提取。因此，本发明不仅可以预测到更准确的目标边界，而且能够通过背景检测分支来辅助前景检测时得到更准确的显著区域。
-
公开(公告)号：CN108932729A
公开(公告)日：2018-12-04
申请号：CN201810939906.8
申请日：2018-08-17
Applicant: 安徽大学
Abstract: 本发明公开了一种最小障碍距离加权跟踪方法，在搜索窗口内进行采样产生一组候选样本；将当前帧的边界框分为不重叠的图像块并扩大为扩展边界框，提取每个图像块的特征；以边框图像作为种子节点，计算其他节点与种子节点的最小障碍距离，然后得到距离转换图；将最小障碍距离作为权重加于对应的图像块特征上，得到空间有序的加权图像块特征描述子，带有图像特征的组合权重被合并到结构化支持向量机中以执行跟踪。本发明结合图像颜色直方图特征和方向梯度直方图特征计算得到基于背景种子节点集合的距离转换图，根据图像图像块与背景节点的最小障碍距离，解决了遮挡和形变的问题，同时能够减少漂移，增强跟踪的稳定性和鲁棒性。
-
公开(公告)号：CN114418823B
公开(公告)日：2025-04-25
申请号：CN202210087103.0
申请日：2022-01-25
Applicant: 安徽大学
IPC: G06T1/00
Abstract: 本发明公开一种基于logistic的大密钥空间比特置乱混沌图像加密方法，对现有logistic混沌映射公式进行改进，解决了控制参数范围受到限制的问题，增加密钥空间，从而有效的抵抗穷举攻击，还可以保留更多的原信息，并且因为利用了混沌系统对初值极端敏感，以及非线性，伪随机性等性质，使得此种加密方式有效的提高图像抵抗攻击的能力；使得经过将本发明logistic混沌系统加密后的图像，在安全性等方面有长足的进步，推动了混沌系统对图像加密方面的研究进程。
-
公开(公告)号：CN114359626B
公开(公告)日：2025-04-08
申请号：CN202111533990.1
申请日：2021-12-15
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种基于条件生成对抗网络的可见光‑热红外显著目标检测方法，本发明基于条件生成对抗网络模型设计两个生成器，基于对抗学习分别提升查全率和查准率并使之达到平衡，从而得到更精细化的显著目标预测结果；通过全局上下文信息模块整合高层语义特征，整合后的特征作为解码器每层的引导特征包含有更丰富的全局上下文信息；本发明的协同注意力模型融合可见光模态和热红外模态特征的同时，进一步突出前景目标区域，抑制冗余的背景噪声影响，本发明的显著图比其他先进的方法具有更高的置信度。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.02 seconds)
