-
公开(公告)号：CN110738609A
公开(公告)日：2020-01-31
申请号：CN201910860840.8
申请日：2019-09-11
Applicant: 北京大学
Abstract: 本发明公开了一种去除图像摩尔纹的方法，包括：将原始图像输入到模型，通过模型中的边缘检测网络利用原始图像获得目标边缘特征图输出到模型中的多尺度融合网络；通过模型中的特征提取层提取原始图像的特征得到原始特征图输出到模型中的多尺度融合网络和合成网络；通过多尺度融合网络利用原始特征图和目标边缘特征图获取多尺度融合特征图输出到模型中的合成网络；通过模型中的分类网络利用原始图像获得类别特征图输出到模型中的合成网络；通过合成网络利用原始特征图、类别特征图及多尺度融合特征图生成无摩尔纹图像。本发明对不同类型的摩尔纹去除具有更强的泛化能力和鲁棒性，在有效去除摩尔纹的同时，还能够更好地保留原始图片中的内容细节。
-
公开(公告)号：CN110704666A
公开(公告)日：2020-01-17
申请号：CN201910818526.3
申请日：2019-08-30
Applicant: 北京大学
IPC: G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机视觉领域，特别涉及一种提升跨视角车辆精确检索的方法及系统。包括将某一视角图片输入训练好的对抗网络生成器的该视角的图片输入端，生成另一视角图片；将原视角图片和生成的另一视角图片输入到训练好的度量网络中，获得原视角图片的特征和另一视角的图片的特征，将原视角图片的特征和另一视角的图片的特征拼接为级联特征，计算级联特征和数据库中参考车辆图片的特征距离，排列展示距离最近的若干查询目标。本发明提出了一个特征距离对抗网络(FDA-Net)，在度量空间设计了一种新的特征距离对抗方案。
-
公开(公告)号：CN110674692A
公开(公告)日：2020-01-10
申请号：CN201910785403.4
申请日：2019-08-23
Applicant: 北京大学
Abstract: 本发明公开了一种基于难样本生成的目标精确检索方法及系统，所述方法包括如下步骤：深度对抗网络训练步骤，所述训练步骤包括一个样本的图像数据通过深度对抗网络的生成器生成一个难样本，使得该难样本在高维空间中与输入的图像保持一定的距离间隔；其中，所述生成的难样本用于促进所述深度对抗网络中的度量判别器的训练，所述度量判别器用于提取图像的特征；计算和排序步骤，在欧式空间计算多张图片的欧氏距离，通过排序实现目标精确检索。本发明利用度量对抗学习实现在深度对抗网络中，进行难样本的生成，难样本的生成反过来又能促进度量判别器具有区分力的特征，提升特征的鲁棒性和辨别力，从而提升目标检索的性能。
-
公开(公告)号：CN110428051A
公开(公告)日：2019-11-08
申请号：CN201910544437.4
申请日：2019-06-21
Applicant: 北京大学
IPC: G06N3/08
Abstract: 本申请公开了一种复用深度神经网络模型训练模型的方法和系统。获取在其他数据集下训练好的深度神经网络模型作为复用模型；获取复用模型在给定任务数据集下的不同表层的信息特征并进行特征变换；获取待训练的深度神经网络模型在给定任务数据集下，针对数据集提取的信息特征，使用从复用模型提取的变换后的信息特征进行权重与尺度规约，并用于复用损失和待训练损失进行协同训练。本发明能够同时复用多个模型，且根据总损失使用反向传播训练和更新待训练模型，能够在数据集有无标签混合场景下以及在不同任务训练好的模型场景下，对模型进行较好的复用，提升复用模型的利用率以及模型复用的性能。
-
公开(公告)号：CN106033550B
公开(公告)日：2019-09-06
申请号：CN201510115146.5
申请日：2015-03-16
Applicant: 北京大学
IPC: G06K9/62
Abstract: 本发明提供了一种目标跟踪方法及装置，其中方法包括：对当前帧图像进行采样，得到靠近初始目标区域的若干个第一样本区，以及远离初始目标区域的若干个第二样本区、以相同的预设方式获取N对图像块；根据任一对图像块之间的图像差异计算与该对图像块对应的特征值，以组成N维特征向量；分别在全部第一样本区和全部第二样本区的范围内对N维特征向量进行统计，得到与N维特征向量中每一维对应的两个直方图；在此后任一帧的图像中以同样的方式获取与任一候选目标样本区对应的N维特征向量，并通过对该N维特征向量与所有直方图的比较得到该候选目标样本区与待测目标区域的匹配程度。本发明可以解决现有方法难以通过低复杂度算法实现目标跟踪的问题。
-
Patent Agency Ranking
公开(公告)号：CN106934346B
公开(公告)日：2019-03-15
申请号：CN201710060366.1
申请日：2017-01-24
Applicant: 北京大学
Abstract: 本发明公开一种目标检测性能优化的方法，所述方法包括：在检测模型训练过程中，使用度量学习来调整样本在特征空间的分布，用以产生更有区分度的特征；度量学习对应的深度神经网络在迭代训练中，每一次迭代使用的候选框为通过联合交叠IoU信息确定的具有相同目标对象距离满足一定约束条件，不同目标距离满足一定约束条件的位置关系的候选框，以及；查看每一轮迭代训练产生的候选框目标的特征是否满足相似度约束条件；若满足，则检测模型在本次迭代不产生损失，不需要反向传播网络中各个层对应的输出误差；在测试时，将待检测图片和图片的候选框集合输入到训练后的检测模型中，获得该检测模型输出的目标对象坐标和类别信息。本发明的方法可以提高检测能力，优化检测性能。
-
公开(公告)号：CN105320710B
公开(公告)日：2018-11-27
申请号：CN201410381921.7
申请日：2014-08-05
Applicant: 北京大学
IPC: G06F17/30
Abstract: 本发明提供一种抗光照变化的车辆检索方法及装置，所述方法包括：根据包括车辆的待查询图像，确定待查询图像的车型信息；确定目标数据库中各图像的采集的时间信息、光照条件；根据时间信息、光照条件，从车型信息对应的车型模板库中选取符合时间信息、光照条件的多个样例图像，将选取的多个样例图像生成查询图像集合；获取查询图像集合中的每一个样例图像与目标数据库中所有图像的检索结果；根据查询图像集合中所有样例图像的检索结果，确定目标数据库中与待查询图像中的车辆的相似车辆；其中，车型模板库包括：多个不同采集时间和不同光照条件下的样例图像。上述方法能够解决由于光照差异较大带来的车辆检索性能急剧下降的问题。
-
公开(公告)号：CN105320704B
公开(公告)日：2018-10-19
申请号：CN201410381661.3
申请日：2014-08-05
Applicant: 北京大学
IPC: G06F17/30
Abstract: 本发明提供一种跨区域相似车辆检索方法及装置，该方法包括：根据包括车辆的待查询图像及其所属第一区域，确定第一区域内待查询图像车型信息；确定目标数据库所有图像所属第二区域，若第二与第一区域不同，确定第二区域车型信息的车型模板库；在车型模板库选不同角度和场景、符合目标数据库时间信息、光照条件的多个样例图像组成第二区域查询图像集合；获取查询图像集合每一个样例图像与目标数据库所有图像的检索结果；根据检索结果，确定目标数据库与待查询图像车辆的相似车辆；车型模板库包括：多个不同光照条件下、不同拍摄角度和不同场景车辆样例图像。上述方法能解决真实场景下由不同区域监控点视觉模型差异性带来的车辆检索性能下降的问题。
-
公开(公告)号：CN104615610B
公开(公告)日：2018-10-02
申请号：CN201410182507.3
申请日：2014-04-30
Applicant: 北京大学
Abstract: 本发明提供一种获取可伸缩全局特征描述子的方法，其中，所述方法包括：获取图像的全局特征描述子；据预设的第一规则，对所述全局特征描述子进行处理，获取所述图像的可伸缩全局特征描述子；其中，所述可伸缩全局特征描述子的字节大小根据所述第一规则中参数值的变化而变化。上述方法获得的可伸缩全局特征描述子能够降低全局特征描述子占用空间，使之适用于不同的应用，提高描述子在图像检索过程的效率。
-
公开(公告)号：CN105320705B
公开(公告)日：2018-09-14
申请号：CN201410381664.7
申请日：2014-08-05
Applicant: 北京大学
IPC: G06F17/30
Abstract: 本发明提供一种相似车辆的检索方法及装置，方法包括：根据视频监控装置中采集的样例图像，建立不同区域的车型模板库；根据包括车辆的待查询图像以及待查询图像的区域信息，确定待查询图像的车型信息；根据车型信息、和目标数据库的图像信息，建立待查询图像对应的查询图像集合；获取查询图像集合中的每一个样例图像与目标数据库中所有图像的检索结果；根据查询图像集合中所有样例图像的检索结果，确定目标数据库中与待查询图像中的车辆的相似车辆；每一区域的车型模板库包括：多种车型信息及其对应的车型模板库，每种车型信息对应的车型模板库包括：该车型信息对应的车辆实例的多个样例图像的集合。由上述方法可提高相似车辆检索性能的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.045 seconds)
