-
公开(公告)号：CN111429433A
公开(公告)日：2020-07-17
申请号：CN202010219045.3
申请日：2020-03-25
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于注意力生成对抗网络的多曝光图像融合方法。注意力机制的思想与多曝光融合中的细节加权问题高度匹配，可以应用通道注意力自适应选择各个输入图像的权重，用空间注意来自适应的选择不同空间位置的权重。该技术在各种多媒体视觉领域都有广泛的应用前景。所述算法设计了一种新的注意力生成对抗网络用于多曝光图像融合任务，通过将视觉注意力机制引入到生成网络，能够帮助网络自适应地学习不同输入图像以及不同空间位置的权重，来实现更好的融合效果。
-
公开(公告)号：CN110210551A
公开(公告)日：2019-09-06
申请号：CN201910452144.3
申请日：2019-05-28
Applicant: 北京工业大学
Abstract: 一种基于自适应主体敏感的视觉目标跟踪方法属于计算机视觉技术领域，包括整体流程、离线部分和在线部分。整体流程：设计了目标跟踪的流程，并设计了网络结构；将该网络各阶段特征图调整成自适应尺寸，完成孪生网络端到端跟踪过程；离线部分包括6个步骤：训练样本库生成；前向跟踪训练；反向传播梯度计算；梯度损失项计算；目标模板图像掩膜生成；网络模型训练及模型获取。在线部分包括3个步骤：模型更新；在线跟踪；定位目标区域。模型更新包括前向跟踪、反向传播梯度计算、梯度损失项计算、目标模板图像掩膜生成；在线跟踪包括前向跟踪得到相似性矩阵，计算当前跟踪结果置信度，回归目标区域。该方法能够更好地适应外观变化的目标稳健跟踪。
-
公开(公告)号：CN108961289A
公开(公告)日：2018-12-07
申请号：CN201810772537.8
申请日：2018-07-13
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于失衡度先验的行人检测方法，属于数字图像/视频信号处理领域。首先提出了一种基于颜色差分的彩色图像边缘检测方法——颜色差分图(Color Difference Map,CDM)，根据颜色变化信息实现边缘检测。然后，利用颜色差分图CDM定义了失衡度(Imbalance，imba)来定量描述行人样本的对称性，提出了失衡度先验概念，对选取的运动目标候选区域进行粗分类。最后，利用HOG特征和SVM相结合的方法进行细分类，实现行人检测。本发明提出的行人检测方法能够快速排除大量行人负样本，在提高行人检测准确率的同时大幅提高行人检测速度。
-
公开(公告)号：CN108564049A
公开(公告)日：2018-09-21
申请号：CN201810363828.1
申请日：2018-04-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习的快速人脸检测识别方法，该方法包括离线网络搭建部分和在线流程设计部分。对于离线网络搭建部分，本发明设计的网络结构针对不同的尺度人脸分别训练检测器，区别于现有方法中在进行人脸检测时采用单一尺度的模板网络，并采用构建图像金字塔以多任务的方式训练和运行尺度特定的检测器。对于在线流程设计部分，设计使用FIFO的list的数据结构思想建立实时人脸特征缓冲池结构，将过程中最耗时的实时特征提取部分移到整个过程的最前端，以身份证读卡器对于身份证的检测作为触发点，并提出建立结果匹配映射表的方法，在三个方面进行创新，有效节省整个过程的时间，实现快速的人脸检测识别，得出人证是否合一的准确判断。
-
公开(公告)号：CN106909924A
公开(公告)日：2017-06-30
申请号：CN201710087670.5
申请日：2017-02-18
Applicant: 北京工业大学
Abstract: 一种基于深度显著性的遥感影像快速检索方法属于计算机视觉领域，具体涉及深度学习、显著性目标检测和图像检索等技术。本发明以遥感影像为研究对象，利用深度学习技术，研究了一种遥感影像的快速检索方法。首先采用全卷积神经网络构建多任务显著性目标检测模型，该模型同时进行显著性检测任务和语义分割任务，在网络预训练过程中学习遥感影像的深度显著性特征。然后改进深度网络结构，加入哈希层微调网络，学习得到遥感影像的二进制哈希码。最后综合利用显著性特征和哈希码进行相似性度量。本发明对于实现遥感影像准确、高效检索切实可行并具有重要应用价值。
-
Patent Agency Ranking
公开(公告)号：CN119992265A
公开(公告)日：2025-05-13
申请号：CN202411892841.8
申请日：2024-12-20
Applicant: 北京工业大学
IPC: G06V10/80 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/764 , G06V20/58 , G06N3/044 , G06N3/048 , B60W50/00 , B60W60/00
Abstract: 本发明实施例提供一种自动驾驶目标检测系统及方法，属于目标检测技术领域。系统包括：相机网络分支，用于获取环视图像数据，并提取相机BEV特征；雷达网络分支，用于获取雷达点云数据，并提取雷达BEV特征；历史特征时序融合模块，用于基于相机BEV特征提取时序融合相机BEV特征，基于雷达BEV特征提取时序融合雷达BEV特征；雷达‑相机特征交互注意力模块，用于将时序融合相机BEV特征和时序融合雷达BEV特征进行交互，得到交互后的相机BEV特征；融合检测头网络，用于基于交互后的相机BEV特征和时序融合雷达BEV特征，得到自动驾驶目标检测结果。该系统用于解决严重遮挡障碍物的问题，提高自动驾驶中目标检测的效果。
-
公开(公告)号：CN114037932B
公开(公告)日：2025-02-28
申请号：CN202111234339.4
申请日：2021-10-22
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/762 , G06V10/80 , G01S13/86
Abstract: 本发明提供一种交通异常事件检测方法、电子设备、存储介质和程序产品，方法包括获取交通视频数据和雷达数据；将交通视频数据的平均帧图像输入至车辆检测模型，进行可疑车辆检测，获得车辆检测模型输出的可疑车辆及其位置信息；对位置信息进行聚类处理，获得聚类结果，基于聚类结果判断可疑车辆是否为异常车辆；若可疑车辆为异常车辆，则基于聚类结果对位置信息进行过滤处理，获得异常车辆的目标位置信息，基于雷达数据和目标位置信息，进行决策级融合，获得异常车辆的异常事件类别。本发明占用更少的内存资源，可在终端设备上进行处理，无需在远程设备上进行处理，从而避免远程传输数据出现错检漏检的情况，进而提高交通异常事件检测的准确率。
-
公开(公告)号：CN114240994B
公开(公告)日：2024-07-19
申请号：CN202111302041.2
申请日：2021-11-04
Applicant: 北京工业大学
IPC: G06T7/246 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种目标跟踪方法、装置、电子设备及存储介质。其中，目标跟踪方法包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。本发明能够提高目标跟踪的精确度。
-
公开(公告)号：CN113888754B
公开(公告)日：2024-04-26
申请号：CN202110959048.5
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G06V10/774 , G06V10/80 , G06V10/25 , G06T7/90 , G08G1/017
Abstract: 一种基于雷达视觉融合的车辆多属性识别方法属于计算机视觉领域和智能交通领域。首先，根据数据集中雷达检测到的车辆信息(车辆与视觉摄像机之间的距离)提取车辆感兴趣区域，将其构建成单通道二值图像与当前的RGB图像融合成3通道图像后，将该融合图像送入车辆多属性识别一体化网络进行网络训练。训练完毕后，利用雷达和视觉相机提取隧道中运动车辆信息(车辆坐标、距离)生成3通道图像后，送入车辆多属性识别网络模型进行检测识别，输出车辆具体位置、型号和颜色。
-
公开(公告)号：CN117690111A
公开(公告)日：2024-03-12
申请号：CN202311451675.3
申请日：2023-11-02
Applicant: 北京工业大学
IPC: G06V20/58 , G06V20/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种轨道交通障碍物检测方法、装置、存储介质及处理器，属于轨道交通智能检测技术领域。该方法通过对轨道交通训练数据中的未标注区域进行伪标签标注，以提高训练样本数据的数据量；然后通过对原始图‑文模型进行调整，得到分类模型，使其在轨道交通场景拥有更好的零样本分类性能；最后通过将传统目标检测模型的分类头与分类模型的输出层对齐，有效的将分类模型的分类能力迁移到了目标检测模型中，拓展了轨道交通场景下目标检测模型对未知类别对象的检测识别能力，提高了轨道交通障碍物检测的效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.022 seconds)
