-
公开(公告)号：CN110363770A
公开(公告)日：2019-10-22
申请号：CN201910631325.2
申请日：2019-07-12
Applicant: 安徽大学
Abstract: 本发明公开了一种边缘引导式红外语义分割模型的训练方法及装置，方法包括：1)、预先建立包括依次数据连接的边缘嵌入模块层、残差网络模块层、空洞卷积模块以及第一卷积层的初始语义分割模型；2)、使用预先标记了目标的样本集训练初始语义分割模型；3)、利用交叉熵损失函数计算训练后语义分割模型输出的预测结果与对应样本的真值之间的损失值；4)、在训练次数大于或等于设定值的情况下，将训练后语义分割模型作为目标语义分割模型；5)、训练次数小于设定值的情况下，根据上述所得损失值更新训练后的语义分割模型的模型参数，返回执行步骤2)，直至训练次数大于或等于设定值。应用本发明实施例，可以提高语义分割的准确性。
-
公开(公告)号：CN108898136A
公开(公告)日：2018-11-27
申请号：CN201810725464.7
申请日：2018-07-04
Applicant: 安徽大学
Abstract: 本发明公开了一种跨模态图像显著性检测方法，输入配对的多模态图像，用基于超像素分割算法对不同模态进行分割，获取均匀、大小近似的超像素区域；设计基于图流形排序算法的多模态图像显著性检测模型，引入跨模态软一致性约束和流形排序拟合项稀疏性约束；以图像四边的超像素作为种子节点，计算其他节点与种子节点的相似性，得到初步的显著图；参考上一阶段得到的前景点作为种子节点，计算其他节点到该节点的相似性，得到最终的显著图。本发明提出了一种基于图流形排序算法互补地融合多模态图像的方法，并引入l1范数实现跨模态软一致性约束和流形排序函数拟合项稀疏性约束，即在协同多个模态的基础上，允许部分不一致，增加拟合项的鲁棒性。
-
公开(公告)号：CN108764177A
公开(公告)日：2018-11-06
申请号：CN201810550978.3
申请日：2018-05-31
Applicant: 安徽大学
CPC classification number: G06K9/00724 , G06K9/40 , G06K9/44 , G06K9/46 , G06K2009/4695
Abstract: 本发明公开了一种基于低秩分解和表示联合学习的运动目标检测方法，获得待检测视频序列的每一帧图像；对每帧图像进行超像素分割，并提取特征向量合并组成矩阵；基于视频序列中的背景图像彼此线性相关，先验假设运动目标是相对较小的连续碎片，且可用表示模型中的表示系数描述一帧之中超像素之间的全局关系，得到算法模型；对模型进行求解，得到每一帧中每个超像素的标签，可得到每帧图像的检测结果。本发明相比现有的以像素为单位进行运动目标检测效率更高，内存开销更少；利用表示模型得到的超像素之间的全局关系，相比现有的只使用局部的结构连续约束进行检测的准确性更高。
-
公开(公告)号：CN105554105A
公开(公告)日：2016-05-04
申请号：CN201510934135.X
申请日：2015-12-14
Applicant: 安徽大学
CPC classification number: H04L67/12 , H04L63/0421 , H04L63/068
Abstract: 本发明公开一种面向多服务与隐私保护的车联网组密钥管理方法，依次包括以下步骤：(1)建立车联网两层结构的网络模型(冒号删除)；(2)基于步骤(1)中的网络模型，描述车联网中多群组订购多服务的情景；(3)使用假名机制保护车辆的身份隐私，并且当有服务纠纷时，TA可以揭露车辆的真实身份；(4)TEK更新策略使用密钥更新槽KUS；(5)车辆在移交后，除了目标区域进行TEK更新以保证后向安全外，原区域也进行TEK更新以此保证前向安全性。本发明能够保证车辆的身份隐私性、车辆订购服务的不可否认性以及车辆在区域间移交时服务的连续性。
-
公开(公告)号：CN102568146A
公开(公告)日：2012-07-11
申请号：CN201210009436.8
申请日：2012-01-12
Applicant: 安徽大学
IPC: G08B17/12
Abstract: 本发明公开了一种基于红外热图像的火灾预警与早期消除系统，红外热像仪用于采集被监测设备的红外热图像；图像分析控制器，用于对上述红外热图像进行分析并生成分析结果；火灾报警及联动控制器，用于根据图像分析控制器的分析结果生成控制信号。通过获取设备的红外热图像，分析其温度场分布和变化以预防火灾发生，降低了设备发生火灾的可能性；并可实现与定点灭火装置联动对设备进行早期火灾消除，提高了火灾处理的及时性。其具有控制精度较高、误报率较低的特点。
-
Patent Agency Ranking
公开(公告)号：CN120088732A
公开(公告)日：2025-06-03
申请号：CN202510241784.5
申请日：2025-03-03
Applicant: 安徽大学
IPC: G06V20/52 , G06V40/20 , G06V10/774 , G06V10/82 , G06V10/26 , G06V20/70 , G06V10/764 , G06V10/80 , G06T7/50 , G06T7/62 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N20/00
Abstract: 本发明公开一种基于多模态融合的围栏跨越行为检测方法，获取人跨越围栏行为单目RGB图像数据集，区分正常行人围栏行为和异常跨越行为；构建并训练围栏跨越行为检测网络，收到单目RGB图像后，使用语义分割模块判断人与围栏发生明显重叠；单目深度估计模块判断人与围栏的距离，避免误判；使用异常行为检测模块单目RGB图像和事先学习到的“正常”行为的特征分布进行对比，判定该行为是是否异常，利用信息融合模块将人与围栏的重叠信息、人与围栏的距离信息以及是否是异常行为的判断信息进行融合分析。本发明采用计算机视觉技术和机器学习技术，采用所述的人与围栏的重叠信息、人与围栏的距离信息以及是否是“异常”行为的判断信息进行融合分析，从而实现对人围栏跨越行为的全天候自动化监测。
-
公开(公告)号：CN114022516B
公开(公告)日：2025-05-27
申请号：CN202111346472.9
申请日：2021-11-15
Applicant: 安徽大学
IPC: G06T7/246 , G06T7/33 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于高秩特征和位置注意力的双模态视觉跟踪方法，提供一种基于高秩特征和位置注意力的双模态视觉跟踪方法，通过在主干网络中引入目标位置注意力模块来关注目标位置信息，并利用高秩指导模块关注重要的通道并指导可见光和热红外特征图的融合，进一步提高目标跟踪的效果，可根据目标结果的成功与否来判断是否更新网络模型。本发明能够更加精确定位目标的位置，同时减少噪声干扰。
-
公开(公告)号：CN114445859B
公开(公告)日：2025-05-13
申请号：CN202111679104.6
申请日：2021-12-31
Applicant: 讯飞智元信息科技有限公司 , 安徽大学
IPC: G06V40/10 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/74 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种行人重识别方法、相关设备及可读存储介质，先基于包含RGB图像和红外图像的图像对训练得到特征提取模型，在获取待查询图像之后，将待查询图像输入特征提取模型，该特征提取模型输出该待查询图像的特征，通过将该待查询图像的特征与查询数据库中各个行人图像的特征进行匹配，即可得到所述待查询图像对应的行人重识别结果。在本申请中，特征提取模型是基于RGB图像和红外图像训练得到的，无论是对RGB图像进行特征提取，还是对红外图像进行特征提取都能保证提取特征的有效性，因此，能够提升行人重识别结果的准确性。
-
公开(公告)号：CN114445461B
公开(公告)日：2025-05-13
申请号：CN202210095429.8
申请日：2022-01-26
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/0464 , G06N3/08 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于非配对数据的可见光红外目标跟踪训练方法及装置，方法包括获取不成对的可见光图像和热红外图像，并生成候选样本；利用候选样本对可见光红外跟踪器进行训练，可见光红外跟踪器包括依次连接的模态特定模块、模态共享模块、模态自适应注意力模块和模态适配模块，模态特定模块包括第一模态特定网络和第二模态特定网络，可见光图像作为第一模态特定网络和模态共享模块的输入，热红外图像作为第二模态特定网络和模态共享模块的输入，第一、第二模态特定网络的输出分别与模态共享模块的输出融合后作为模态自适应注意力模块的输入。本发明摆脱了对大规模配准数据的依赖，提升目标跟踪性能。
-
公开(公告)号：CN119942152A
公开(公告)日：2025-05-06
申请号：CN202510035392.3
申请日：2025-01-09
Applicant: 安徽大学
Abstract: 本发明提供一种基于像素级融合的RGBT跟踪网络及使用方法，包括：像素级融合适配器：首先，每个模态由一个低级特征提取层划分，然后馈入单独的Vim块以编码特定特征。接下来，应用令牌和通道连接来沿着不同的特征维度合并两个模态，并且两个附加的Vim块进一步编码该融合的信息。最后，使用具有高效局部细节建模能力的卷积层将融合的特征解码成图像。本发明提出了两阶段的任务导向的渐进式学习框架。第一阶段，多专家自适应蒸馏(MAD)。旨在从具有不同结构的多种图像融合模型中继承优越的融合能力。第二阶段，解耦表示微调策略(DRF)，通过排斥损失明确分离任务相关和任务不相关信息来提高融合精度，通过重构损失保证保证信息解耦的完备性，从而提高融合鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
182
records
(took 0.087 seconds)
