公开(公告)号：CN118644519A

公开(公告)日：2024-09-13

申请号：CN202410490378.8

申请日：2024-04-23

Applicant: 上海大学

Inventor： 周洋 ,  翁豪 ,  许文台 ,  李政霖 ,  彭艳 ,  谢少荣 ,  罗均 ,  蒲华燕

IPC: G06T7/246 ,  G06V20/40 ,  G06V20/70 ,  G06V10/24 ,  G05D1/43

Abstract: 本发明属于无人艇跟踪技术领域，具体公开了一种基于改进运动模型和Re‑ID的无人艇跟踪方法及其设备和可读存储介质，其方法包括S1、制作无人艇数据集，获取包括无人艇信息的视频数据；S2、采用YOLOV5模型对步骤S1中得到的视频数据进行目标检测，定位目标在视频数据中的位置；S3、构建基于交互式平方根容积卡尔曼的轨迹预测算法，预测目标在视频数据中下一帧的位置，输出结果；S4、构建基于改进运动模型和Re‑ID目标检测和跟踪方法的重识别模型，提取无人艇的表观特征，对步骤S3中输出的结果进行算法匹配，输出跟踪结果；S5、对模型进行训练；模型训练包括无人艇检测模型以及表观模型的训练，用于训练合适的模型权重。

公开(公告)号：CN118942082A

公开(公告)日：2024-11-12

申请号：CN202411041513.7

申请日：2024-07-31

Applicant: 上海大学

Inventor： 周洋 ,  许文台 ,  翁豪 ,  李政霖 ,  彭艳 ,  谢少荣 ,  罗均 ,  蒲华燕

IPC: G06V20/64 ,  G06V10/25 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0464

Abstract: 本发明本发明涉及计算机深度学习和目标检测技术领域，具体涉及一种基于Gumbel分布采样和不确定性融合的多模态三维目标检测方法，步骤为：S1、获取包含待检测目标的场景的原始点云数据集和原始图像；S2、利用Gumbel‑Softmax函数对原始点云数据集进行分布采样，从原始点云数据集中选择出代表性点云，得到代表性点云子集；S3、通过点云特征提取模型对代表性点云子集进行进行特征提取，得到点云特征；S4、利用图像特征提取模型对原始图像进行特征提取，得到图像特征；S5、采用不确定性融合模块将点云特征信息与图像特征信息进行融合，得到融合特征；S6、将融合特征输入到检测头中，进行目标的检测识别。本发明目标检测方法的检测精度高，鲁棒性好。