-
公开(公告)号：CN114782997A
公开(公告)日：2022-07-22
申请号：CN202210517995.3
申请日：2022-05-12
Applicant: 东南大学
IPC: G06V40/10 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/32 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多损失注意力自适应网络的行人重识别方法及系统。该方法以多损失注意力自适应网络为框架，首先采用行人重识别数据集来训练网络的权重。在完成训练后，将待检测的图像输入到该网络中，与图像库中的行人进行比对，检索出正确的行人图像。与传统的方法相比，本发明利用多损失注意力自适应网络，通过多层非线性变化网络，对图像进行特征提取，同时通过优化损失函数，更新网络参数。本发明可以完成行人图像的检索功能，具有识别准确率高的优点。
-
公开(公告)号：CN108711130B
公开(公告)日：2022-03-08
申请号：CN201810374330.5
申请日：2018-04-24
Applicant: 东南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于压缩感知噪声重构的图像水印方法，利用压缩感知重构原理，对噪声攻击前后的水印载体图像进行观测得到噪声观测结果，利用正交匹配追踪算法迭代重构出噪声信息，在水印提取前先利用重构出的噪声信息对攻击后的水印载体图像作去噪处理，然后再进行水印提取。本发明还提出一种基于压缩感知噪声重构的图像水印系统，包括水印嵌入模块，信息传输模块，压缩感知噪声重构模块，水印提取模块。本发明利用噪声的稀疏特性，通过正交匹配追踪OMP算法对含噪声的载体图像进行噪声重构和去噪处理，从而实现基于压缩感知噪声重构的水印提取，具有隐蔽性好、安全性高的优点，在抵抗噪声、滤波、压缩等常规信号攻击时表现出较强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109543559B
公开(公告)日：2021-12-28
申请号：CN201811286172.4
申请日：2018-10-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于孪生网络和动作选择机制的目标跟踪方法。该方法以孪生网络为框架，首先利用大量外部视频数据训练网络权重；训练完成后，在任意一段视频中，指定任一跟踪目标的情况下采集候选区域，输入到该孪生网络，将得到的候选区域的特征中根据动作选择机制选择与跟踪目标最相似的特征后，以矩形框的方式将其映射回原图的位置，作为当前帧的跟踪结果，最终得到的矩形框可以是任意长宽比和尺寸。本发明还提出了基于孪生网络和动作选择机制的目标跟踪系统，与传统的方法相比，本发明利用训练好的孪生网络，结合不同层的输出，能够通过匹配目标不同层次的特征，使得对目标的外观变化有更强的鲁棒性，同时本发明具有实时性、精度高等优点。
-
公开(公告)号：CN108764287B
公开(公告)日：2021-11-16
申请号：CN201810374361.0
申请日：2018-04-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于深度学习和分组卷积的目标检测方法，涉及到基于深度学习的目标检测领域；其方法设计了一种新的网络结构：双路结构，双路结构主要包括主路结构和支路结构。该目标检测方法包括以下步骤：1)、对输入图像进行预处理；2)、基于区域推荐网络在输入图像上生成大量候选区域；3)、利用基于双路结构的卷积神经网络提取各候选区域的特征；4)、将所提取的特征输入分类器，进行分类。本发明还提出一种目标检测系统，包括图像采集单元，图像分析单元，分类单元。本发明解决了数据量、计算量大所导致的检测效率低的问题，达到了降低人力成本、提高安保等工作效率的效果。
-
公开(公告)号：CN109543559A
公开(公告)日：2019-03-29
申请号：CN201811286172.4
申请日：2018-10-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于孪生网络和动作选择机制的目标跟踪方法。该方法以孪生网络为框架，首先利用大量外部视频数据训练网络权重；训练完成后，在任意一段视频中，指定任一跟踪目标的情况下采集候选区域，输入到该孪生网络，将得到的候选区域的特征中根据动作选择机制选择与跟踪目标最相似的特征后，以矩形框的方式将其映射回原图的位置，作为当前帧的跟踪结果，最终得到的矩形框可以是任意长宽比和尺寸。本发明还提出了基于孪生网络和动作选择机制的目标跟踪系统，与传统的方法相比，本发明利用训练好的孪生网络，结合不同层的输出，能够通过匹配目标不同层次的特征，使得对目标的外观变化有更强的鲁棒性，同时本发明具有实时性、精度高等优点。
-
-
公开(公告)号：CN102736064A
公开(公告)日：2012-10-17
申请号：CN201110092816.8
申请日：2011-04-14
Applicant: 东南大学
IPC: G01S5/20
Abstract: 本发明提供一种基于压缩传感器的助听器声源定位方法，本发明基于差分麦克风阵列，包括以下步骤：采用位于同一平面的全向型麦克风方阵采集声源信号，获得信号的差分模型，建立基于压缩感知的采样信号模型，将声源位置评估问题转化为最优化问题，最后得到最优的重构信号，求出能量峰值即声源所在位置。本发明采用联合多通道CS来采样数据，不需要参考阵元，并以信号帧平均值作为采集输入信号，大大减低了计算量，噪声鲁棒性强。
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
