-
公开(公告)号：CN111652293A
公开(公告)日：2020-09-11
申请号：CN202010432575.6
申请日：2020-05-20
Applicant: 西安交通大学苏州研究院
Abstract: 本发明公开了一种多任务联合判别学习的车辆重识别方法。方法通过多分支的网络联合学习多个任务，来获取车辆的细粒度判别性特征。网络通过属性学习和ID学习两个分支获取网络输出特征向量，同时再用一个度量学习和ID学习任务来约束该特征向量，通过这四个任务联合学习来获取更加鲁棒的特征。其中ID学习使用了不同于其他方法的ArcFL损失函数，度量学习使用了不同于其他方法的Trihard损失函数。通过创新性网络结构的提出和损失函数的改进，使车辆重识别和检索的精度得到显著提升。本发明基于道路监控场景的大型车辆数据集实现，可以有效地应用于车辆查找任务。
-
公开(公告)号：CN111611919A
公开(公告)日：2020-09-01
申请号：CN202010431561.2
申请日：2020-05-20
Applicant: 西安交通大学苏州研究院
Abstract: 一种基于结构化学习的道路场景布局分析方法，采集和扩充交通场景图像数据集，并且对数据集按场景平台分类进行标注和预处理；对图像进行子区域分割，先对图像进行超像素分割，用超像素的特征和标签训练增强决策树回归器，得到初始分割结果，再用马尔科夫随机场优化初始分割结果得到最终分割结果；然后在子区域上提取特征，用子区域特征和隐变量标签训练SVM分类器，预测出每张图片子区域隐变量的组合；最后用子区域隐变量的组合和场景平台标签的对应关系构建决策树，通过决策树找到这组标签最终对应的场景平台的标签；本发明基于简单道路交通场景环境的道路场景图片和视频，能够有效实现交通场景平台的预测，预测效果较准确，方法简单有效。
-
公开(公告)号：CN109848996A
公开(公告)日：2019-06-07
申请号：CN201910208867.9
申请日：2019-03-19
Applicant: 西安交通大学
IPC: B25J9/16
Abstract: 本发明提供一种基于图优化理论的大规模三维环境地图创建方法。该方法首先利用裁剪迭代最近点算法顺序地估计移动机器人的局部位姿，并判断估计结果的可靠性，如果结果不可靠，则采用快速的基于多尺度描述子对应传播算法重新估计当前时刻移动机器人的局部位姿，同时逐渐地构造一个位姿图，图的顶点表示移动机器人各时刻的位姿，图的边表示相连位姿之间的约束；随后提出了一种闭环假设和验证方法，用来检测位姿图中的闭环；最后通过运动平均方法求解位姿约束方程，得到精确的移动机器人的全局位姿。实验结果表明该方法可以很好地创建大规模三维环境地图。
-
公开(公告)号：CN107292253A
公开(公告)日：2017-10-24
申请号：CN201710437201.1
申请日：2017-06-09
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种道路行驶区域的视觉检测方法，该方法利用超像素作为中层特征感知一致性单元，在中层超像素分割基础上构建能量函数，能量函数的数据依赖项由超像素的颜色、纹理、位置特征定义，数据交互项引入时空邻域超像素的交互作用，根据其标签和颜色特征差异性予以定义，此外，根据“初始化类别标签—初始全局能量计算—局部能量比较—全局能量比较”循环判别实施能量最小化，本发明可有效检测图像及视频中的道路行驶区域，方法简单有效。
-
公开(公告)号：CN104021525A
公开(公告)日：2014-09-03
申请号：CN201410239942.5
申请日：2014-05-30
Applicant: 西安交通大学
Abstract: 一种道路场景视频图像序列的背景修复方法，首先计算当前帧到邻近帧的光流图，然后基于高斯过程回归计算缺失光流图区域中的散点，用于光流预测的初始化；经过光流预测初始化，再使用三层BP神经网络实现逐列光流预测；然后进行图像修复，在图像修复阶段，利用光流初始化和光流预测将当前帧缺失区域内像素对应到邻近帧背景区域，利用高斯混合模型实现图像修复；本发明针对运动背景条件下的视频图像序列，基于光流信息实现当前帧缺失前景区域像素到邻近帧背景像素的对应，有效实现道路场景视频图像序列中缺失运动前景区域的图像修复，方法简单有效。
-
Patent Agency Ranking
公开(公告)号：CN117710865A
公开(公告)日：2024-03-15
申请号：CN202311823073.6
申请日：2023-12-27
Applicant: 西安交通大学
IPC: G06V20/40 , G06V10/764 , G06V10/74 , G06V10/778
Abstract: 本发明公开了一种小样本异常车辆行为识别方法、系统和设备，获取待识别的车辆视频；将待识别的车辆视频通过优化后的原型分类器进行识别，对车辆视频进行异常行为分类，实现异常车辆行为识别；其中所述优化后的原型分类器通过总损失函数训练得到，总损失函数为基于分类结果的监督损失、熵最小化损失与基于批大小的对比损失的和。本发明采用优化后的原型分类器通过总损失函数训练得到，采用基于批大小的对比损失、熵最小化损失与基于批大小的对比损失，能够有效提高原型分类器的泛化能力。本发明在异常车辆行为识别任务上有更强的适用性，在多个交通事故数据集上进行测试均取得了良好表现。
-
公开(公告)号：CN117710659A
公开(公告)日：2024-03-15
申请号：CN202311822752.1
申请日：2023-12-27
Applicant: 西安交通大学
IPC: G06V10/25 , G06V10/40 , G06V10/764 , G06V10/22 , G06V10/82
Abstract: 本发明公开了一种可变形注意力的三维点云目标检测方法、系统和设备，包括获取点云数据以及预处理点云数据：对预处理后的点云数据，提取三维体素特征，对体素特征提取点云特征，根据点云特征预测候选框类别，检测框尺寸以及航向角，获得候选框；对候选框利用后处理算法过滤生成的候选框，作为感兴趣区域；根据感兴趣区域，提取感兴趣区域的网格点的特征；对感兴趣区域的网格点的特征进行尺寸的调整以及置信度的调整，生成候选框的位置，实现可变形注意力的三维点云目标检测。本发明大幅提升了现有方法在困难样本以及体积较小的样本上的检测精度，进一步提升了自动驾驶车辆在极端情况下的安全性，具有很高的实际应用价值。
-
公开(公告)号：CN107292253B
公开(公告)日：2019-10-18
申请号：CN201710437201.1
申请日：2017-06-09
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种道路行驶区域的视觉检测方法，该方法利用超像素作为中层特征感知一致性单元，在中层超像素分割基础上构建能量函数，能量函数的数据依赖项由超像素的颜色、纹理、位置特征定义，数据交互项引入时空邻域超像素的交互作用，根据其标签和颜色特征差异性予以定义，此外，根据“初始化类别标签—初始全局能量计算—局部能量比较—全局能量比较”循环判别实施能量最小化，本发明可有效检测图像及视频中的道路行驶区域，方法简单有效。
-
公开(公告)号：CN110032952A
公开(公告)日：2019-07-19
申请号：CN201910232810.2
申请日：2019-03-26
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度学习的道路边界点检测方法，首先采集和扩充交通场景图像数据集，并且对数据集进行道路边界点标注和预处理；其次对定义好网络结构的卷积神经网络进行训练，采用反向传播算法和随机梯度下降方法，不断更新迭代，直到前向传播的损失函数值趋于收敛时，停止训练，得到深度学习模型；然后输入待检测交通场景图片，提取图像特征，得到一组热图；最后根据热图预测交通场景图片中的道路边界点位置；本发明基于简单道路交通场景环境的道路场景图片和视频，能够有效实现道路边界点的检测，检测效果较准确，方法简单有效。
-
公开(公告)号：CN108376259A
公开(公告)日：2018-08-07
申请号：CN201810064821.X
申请日：2018-01-23
Applicant: 西安交通大学
Abstract: 本发明公开了一种结合贝叶斯分层学习和空谱联合先验的高光谱图像降噪方法，首先依据高光谱图像的空谱相关性和非局部自相似性，对其进行三维滑块分割，并利用基于融合特征的相对距离先验来非局部地选出和待观测块数据最相似的若干个块数据作为协同块数据；其次利用分层先验构建贝叶斯低秩分解模型，实现协同块数据学习和表示。该模型利用低秩分解来刻画协同块数据的统计特性，并通过结合狄利克雷过程的混合高斯分布来表达噪声统计特性；然后利用变分贝叶斯方法对模型进行求解，从而实现有效降低图像噪声这一目的。本发明不仅解决了现有技术对于同时抑制高光谱图像中多种噪声这一问题的不足，而且结果准确，为其后续应用提供强有力的分析基础。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
