-
公开(公告)号:CN106815862B
公开(公告)日:2020-03-10
申请号:CN201710059757.1
申请日:2017-01-24
Applicant: 武汉大学
IPC: G06T7/246
Abstract: 本发明涉及一种基于卷积轮廓特征的目标跟踪算法,本发明首先在第一帧采集目标的卷积轮廓特征用于构建目标外观摩模型。其次,使用粒子滤波算法在下一帧采集候选样本,并提取出候选样本的卷积轮廓特征。接着,使用已训练好的目标外观模型与候选样本特征进行比对。在进行目标相似性对比时,仅使用目标中比较明亮的部分,这种策略使得算法能够应对跟踪中常遇到的部分遮挡问题。最后,在每一帧跟踪结束时,使用新跟踪到的目标对外观模型进行更新,使得目标外观模型能够适应目标最新的变化。跟踪算法根据上述步骤迭代地对目标进行持续地跟踪。
-
公开(公告)号:CN110490234A
公开(公告)日:2019-11-22
申请号:CN201910652753.3
申请日:2019-07-19
Applicant: 武汉大学
Abstract: 本发明公开了一种基于聚类分类联合机制的分类器的构建方法以及分类方法,其中的分类器构建方法包括:首先,将聚类中心的分布情况编码至种群个体中,得到初始化种群;然后利用多目标优化算法搜索最优的种群,将其作为满足聚类目标函数和分类目标函数两个目标的帕累托解集;再根据互信息指标从帕累托解集中选择出最优的解,并根据选择出的最优的解,对联合聚类分类机制的分类器的参数进行设置,基于设置的参数构建聚类分类联合机制的分类器。本发明同的方法可以有效地将聚类融合进分类任务中,从而提高分类器的准确度和搜索效率。
-
公开(公告)号:CN110189358A
公开(公告)日:2019-08-30
申请号:CN201910375505.9
申请日:2019-05-07
Applicant: 武汉大学
Abstract: 本发明公开了一种基于协同特征学习的目标跟踪方法,改进了经典的粒子滤波框架,克服粒子退化和贫乏问题;通过不同的学习模式确定相应的特征学习方法,并将相应的特征进行协同学习,克服目标在时间和空间上极度相关的问题,得到具有强鉴别力的特征,用以表现目标模型;并在不同的学习模式中选择不同的模型更新策略自适应更新目标模型,从而提高目标跟踪的精度和鲁棒性。
-
-
公开(公告)号:CN105844110A
公开(公告)日:2016-08-10
申请号:CN201610212930.2
申请日:2016-04-07
Applicant: 武汉大学
Abstract: 本发明公开了一种基于GPU的自适应领域禁忌搜索求解软硬件划分方法,首先将软硬件划分领域中常用的禁忌搜索算法进行改造,使其计算过程与GPU的体系结构特征相匹配,从而为将算法移植至GPU进行准备。其次,为进一步提高算法的性能,本发明不仅给出了算法在GPU上的整体框架,而且还对算法在GPU上的具体执行做了优化。对比实验表明,本发明在求解质量和计算速度上都要优于已知工作。
-
公开(公告)号:CN103761407B
公开(公告)日:2016-05-25
申请号:CN201410059527.1
申请日:2014-02-21
Applicant: 武汉大学
Abstract: 本发明公开了一种复制式协同CAD系统中的多用户选择Undo和Redo方法,方法通过定位Undo/Redo目标操作,基于特征组合图分析操作间的依赖关系并获得依赖操作集,通过边界模型重构以消除目标操作和依赖操作集的执行效果。本发明与已有技术相比较,效果是积极且明显的:首先,本方法填补了现有的undo/redo模型中操作对象不包含三维几何实体的空白;同时,本方法是在多用户协同编辑环境中进行,使得用户可以在与其他用户进行三维协同建模时在保持其操作意愿的前提下通过本方法在任意时刻、针对任意操作开展Undo和Redo操作,以达到将模型从错误的操作中恢复过来,或者在建模过程中探索新的解决方案。
-
-
公开(公告)号:CN103440217A
公开(公告)日:2013-12-11
申请号:CN201310423666.3
申请日:2013-09-17
Applicant: 武汉大学
IPC: G06F13/38
Abstract: 本发明提出一种基于光耦的单向U盘文件传输设备,包括ARM处理器模块、USB设备接口模块和光耦模块;ARM处理器模块设有用于连接U盘的USBhost接口,U盘的数据通过USBhost接口输入ARM处理器模块后,经光耦模块输入USB设备接口模块,由USB设备接口模块输出;ARM处理器模块和USB设备接口模块之间建立直接传输控制信号的连接。本发明在底层硬件之间的数据传输中,创新性的加入了将光电耦合器件,设计了一整套单向传输系统,实现了U盘文件单向、安全、可靠的导入到计算机,而计算机中的文件不能拷贝到U盘中。
-
-
公开(公告)号:CN115115033B
公开(公告)日:2024-08-23
申请号:CN202210770905.1
申请日:2022-06-30
Applicant: 武汉大学
IPC: G06N3/094 , G06N3/084 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V20/64 , G06T17/20
Abstract: 本发明提供一种基于顶点扰动的三维网格对抗样本生成方法及系统,利用神经网络对三维网格顶点的反传梯度方向,迭代地修改指定数量的梯度最大顶点的坐标,直到坐标扰动的最大值达到上限;同时在每步迭代之后剪切坐标值,以确保更新后的项点坐标位于初始顶点的值域中,从而生成能够误导神经网络且视觉自然的对抗样本。本发明提出的方法可以控制实际工程设计和应用中的顶点扰动数量。因此,该方法能够避免三维网格到二维图像的投影和近似误差,同时能够减少计算开销。本发明可用于探究三维网格的对抗攻击任务中,且所生成的三维网格能明显有效地攻击分类任务的神经网络,且具有很好的黑盒迁移能力,有利于大型三维几何设计和新一代人工智能模型实现。
-
-
-
-
-
-
-
-
-