-
公开(公告)号：CN110266318A
公开(公告)日：2019-09-20
申请号：CN201910546153.9
申请日：2019-06-24
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种在压缩感知信号重建中基于梯度投影算法的测量矩阵优化方法。在压缩感知信号重建中，为了用尽可能低的采样率重建出尽可能高精度的原始信号，这就要求测量矩阵满足RIP条件以及测量矩阵和信号稀疏基之间具有尽可能低的相关性。基于相关性理论，本发明提出一种全新的测量矩阵优化算法，将测量矩阵和稀疏基之间的非相关条件等价为Gramm矩阵逼近单位矩阵的问题。首先通过对Gramm矩阵等效单位矩阵求伪逆来对测量矩阵进行初始化，再通过梯度投影的方式使Gramm矩阵去逼近单位矩阵，从而训练学习出一种全新的测量矩阵。与传统常用的测量矩阵相比，新型测量矩阵与稀疏基之间具有更低的相关性，信号重建的精度和质量都得到了有效的提升。
-
公开(公告)号：CN106469313B
公开(公告)日：2019-06-11
申请号：CN201610871794.8
申请日：2016-09-30
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种管径自适应时空域滤波的弱小目标检测方法，首先采用各向异性微分算法对待处理图像进行背景预测，以提高后续目标检测能力；然后采用局部极大值方法对差分图进行分割，获取二值图像；其次初始化时域参数(累积帧长度)和空域参数(管径大小)，并依次输入累积帧长度为N的系列二值图；最后采用管径自适应的时空域滤波对多帧图像进行检测，以获取真实目标点，同时对检测结果进行叠加，输出目标运动轨迹。与传统的管径固定的管道滤波目标检测方法相比，本发明利用目标在时空域间多帧运动关联基础上，根据目标尺度变化自适应地修改管径大小，有效解决管径不变目标变小/变大所带来的检测问题，大大提高目标检测精度。
-
公开(公告)号：CN106599863A
公开(公告)日：2017-04-26
申请号：CN201611189168.7
申请日：2016-12-21
Applicant: 中国科学院光电技术研究所
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6256 , G06K9/6269 , G06N3/08
Abstract: 本发明公开了一种基于迁移学习技术的深度人脸识别方法，包括通过深度卷积神经网络对训练人脸图像进行特征提取，对提取的特征进行SVM分类训练，得到决策面，通过深度卷积神经网络对测试人脸图像进行特征提取，结合分类训练得到的决策面进行预测，对预测结果投票，得到最终识别结果。该方法只需每个人脸类具有极少量的训练样本，能够适应实际应用中人脸在很大范围内的光照、姿态、表情、遮挡等变化，识别率高。同时该方法训练效率高，能够适应实际应用中对增量学习的需求。
-
公开(公告)号：CN103247032B
公开(公告)日：2015-12-02
申请号：CN201310149464.4
申请日：2013-04-26
Applicant: 中国科学院光电技术研究所
Abstract: 本发明是一种基于姿态补偿的微弱扩展目标定位方法，首先采样高斯平滑滤波对待处理图像进行预处理以去除噪声对后续算法的影响，然后采用边界跟踪法得到单像素的二值边缘，对目标的轮廓边缘点进行滤波，剔除干扰点；其次利用目标轮廓边缘点计算目标的惯量椭圆及其参数，确定目标的姿态，再利用基于姿态补偿的定位方法求得目标的平移参数和旋转参数，从而实现对目标旋转、平移、缩放等情况的定位。
-
公开(公告)号：CN119151996A
公开(公告)日：2024-12-17
申请号：CN202411248772.7
申请日：2024-09-06
Applicant: 中国科学院光电技术研究所
IPC: G06T7/254 , G06T7/246 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/774 , G06V10/776 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于注意力机制的单目标跟踪模板更新方法，包括：步骤一：在UpdateNet的两层卷积中引入SENet通道注意力机制来排序通道信息，完成初始模板、累积模板和预测模板的融合，得到跟踪下一帧图片的模板；步骤二：在初始模板、累积模板和预测模板的融合过程中，使用离线模型跟踪头输出的置信分数来决定本帧预测模板能不能参与积累；步骤三：生成训练模型的数据，其中，使用不同阈值来判断跟踪是否失败，以生成不同阈值下的训练数据；步骤四：采用步骤三生成的训练数据训练模型，其中采用多种学习率。训练模型时，本发明通过提供多个用于判断跟踪是否失败的阈值下产生的训练数据以及训练学习率，让模型更快地达到收敛。
-
Patent Agency Ranking
公开(公告)号：CN118196440A
公开(公告)日：2024-06-14
申请号：CN202410511096.1
申请日：2024-04-26
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提出了一种基于时空线索协同学习的无人机多目标跟踪方法，包括：通过搭配有摄像机的无人机平台捕获视频序列；对时空线索协同学习模型进行训练；将无人机拍摄的视频序列输入到时空线索协同学习模型中，以得到目标检测结果和目标重识别特征；计算目标检测结果中的运动信息关联矩阵和重识别特征中的外观信息关联矩阵，并使用匈牙利算法完成多目标的匹配任务，并输出包括匹配目标及其身份信息在内的跟踪结果。根据本发明技术方案，考虑了历史轨迹与当前轨迹的信息交互，能够有效提高目标识别能力和目标身份特征的判别性，进而提升多目标跟踪精度。
-
公开(公告)号：CN118115535A
公开(公告)日：2024-05-31
申请号：CN202410124891.5
申请日：2024-01-30
Applicant: 中国科学院光电技术研究所
IPC: G06T7/246 , G06T7/269 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/766
Abstract: 本发明公开了一种基于光流背景建模的目标时序跟踪方法，所述方法包括如下步骤：搭建特征提取网络主干，在标准图像集上进行预训练；搭建用于获取运动偏差的全局匹配光流网络以及用于跟踪定位目标的基于Siamese架构的跟踪算法；定义损失函数与优化方法，保证网络训练的收敛性；根据不同要求对光流估计与跟踪网络分别进行训练；输入一对间隔3帧的初始帧图像作为模板输入分支，经过光流网络和跟踪特征主干网络获得保存模板特征图；将后续帧输入光流网络，实现对给定数据进行背景擦除，最后实现对于目标的定位跟踪。所述方法在复杂不稳定场景中表现出色，在跟踪精度上具有较大的竞争力，并且能够以每秒40帧的速度进行实时跟踪。
-
公开(公告)号：CN111860483B
公开(公告)日：2022-08-23
申请号：CN202010702873.2
申请日：2020-07-21
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于海思平台的目标检测方法。首先配置媒体处理平台参数驱动摄像头，采集视频数据，实现数据传递；然后加载模型，配置对应模型所需的参数；之后使用专用的神经网络推导引擎对获得的数据进行前向推理；其次对得到的推理结果进行处理；最后通过HDMI接口输出显示。本发明通过使用海思HI35559AV100芯片内部的NNIE引擎和自带的高效媒体处理功能，使整个检测过程在一块嵌入式板子上进行，对比现有的方法，实现了高效和便携性的要求，更好的发挥了深度学习的优势。
-
公开(公告)号：CN110266318B
公开(公告)日：2022-06-28
申请号：CN201910546153.9
申请日：2019-06-24
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种在压缩感知信号重建中基于梯度投影算法的测量矩阵优化方法。在压缩感知信号重建中，为了用尽可能低的采样率重建出尽可能高精度的原始信号，这就要求测量矩阵满足RIP条件以及测量矩阵和信号稀疏基之间具有尽可能低的相关性。基于相关性理论，本发明提出一种全新的测量矩阵优化算法，将测量矩阵和稀疏基之间的非相关条件等价为Gramm矩阵逼近单位矩阵的问题。首先通过对Gramm矩阵等效单位矩阵求伪逆来对测量矩阵进行初始化，再通过梯度投影的方式使Gramm矩阵去逼近单位矩阵，从而训练学习出一种全新的测量矩阵。与传统常用的测量矩阵相比，新型测量矩阵与稀疏基之间具有更低的相关性，信号重建的精度和质量都得到了有效的提升。
-
公开(公告)号：CN109242888B
公开(公告)日：2021-12-03
申请号：CN201811020797.6
申请日：2018-09-03
Applicant: 中国科学院光电技术研究所
IPC: G06T7/30
Abstract: 本发明提供一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法。首先，计算出可见光图像的对比度，若可见光图像对比度低则将其进行对比度受限的自适应直方图均衡。使用改进后的Frequency Tuned(FT)算法提取红外图像显著性区域，然后对显著性图进行抑制背景的处理。接着，分别对红外图像及处理后的可见光图像进行非下采样轮廓波变换(NSCT)获得低频与高频信息。在低频信息部分，利用显著性图进行融合，在高频信息部分采用绝对值取大的融合规则进行融合，最后将得到的融合低频系数和高频系数进行逆NSCT获得融合图像。本发明使融合后的图像细节信息更丰富，目标区域更为突出，使融合图像的视觉效果更好，更适合人眼观察和计算机处理。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.032 seconds)
