-
公开(公告)号:CN117994813A
公开(公告)日:2024-05-07
申请号:CN202410019578.5
申请日:2024-01-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种无人机图像中的二维人体关键点检测方法,所述方法首先以无人机图像数据为基础,采用了一种Mosaic数据增强方法;另外,在backbone中采用了稠密连接结构。其次,构建了一个双向特征提取模块,用于直接从俯拍视角的图片中直接获取各种空间视角的人体姿态,进行全方位人体姿态估计,引入Swish激活函数,缓解梯度消失的情况,以满足在无人机图片中对多角度的小目标人体进行精确姿态估计的目的。
-
公开(公告)号:CN115527094A
公开(公告)日:2022-12-27
申请号:CN202211328913.7
申请日:2022-10-27
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种目标检测方法以及检测系统,所述检测方法包括:采用主干特征提取网络,对输入的图片进行特征提取得到特征图;对所述特征图进行多分支空洞卷积注意力处理,加强感兴趣信息的特征表示,经过双向特征金字塔结构,丰富不同层级的特征信息;利用所述双向特征金字塔结构产生的多尺度特征对目标的位置和类别进行预测。本发明的目标检测方法,通过多尺度注意力特征金字塔网络和广义交并比损失函数(GIoU),捕获多尺度上下文信息,将高层特征和低层特征有效融合,丰富不同层级的特征信息,使模型更加准确地定位和识别感兴趣的物体,从而进一步提高目标检测的精度。
-
公开(公告)号:CN114168784A
公开(公告)日:2022-03-11
申请号:CN202111511008.0
申请日:2021-12-10
Applicant: 桂林电子科技大学
IPC: G06F16/583 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种分层监督跨模态图文检索方法,所述的方法包括步骤如下:S1:构建用于提取图像特征和文本特征的特征提取网络;S2:利用特征提取网络提取图像和文本特征,分别得到图像和文本的初步高维特征值;S3:构建模态对抗网络,将图像和文本的初步高维特征值输入模态对抗网络进行对抗学习,使得含有相同语义的不同模态在公共空间中的距离最近;S4:构建哈希码生成网络,并利用哈希码生成网络约束特征提取网络的最后一层全连接层,使得通过最后一层全连接层的图像和文本的初步高维特征值,生成最优哈希码,实现对跨模态数据检索。本发明能实现对具有分层监督跨模态数据的检索,提升跨模态检索效率。
-
-