-
公开(公告)号：CN118194602A
公开(公告)日：2024-06-14
申请号：CN202410521549.9
申请日：2024-04-28
Applicant: 上海工程技术大学
IPC: G06F30/20 , G06Q50/06 , G06N3/126 , G06F111/06
Abstract: 本发明涉及一种基于权重自适应调整多目标进化的能源系统设计方法，首先，采用基于分解的多目标进化算法对可再生能源系统设计多目标优化问题进行迭代计算；若迭代数处于对应时间点，则进行自适应的权重调节，更新权重邻居；计算种群权重向量的弧度拥挤度，将拥挤度最大的权重向量进行删除；权重向量删除后，计算弧度拥挤度最大的非支配解，基于该非支配解计算新的权重向量添加到所删除权重向量的位置，并对所删除的权重向量所关联种群中的个体进行更换；达到最大迭代数时输出当前种群，即为最优的系统设计方案。本发明可以最小化混合可再生能源系统中系统成本、燃料排放量和不满足负载需求的概率，从而给出近似最优的系统设计方案。
-
公开(公告)号：CN111914730B
公开(公告)日：2023-11-24
申请号：CN202010737980.9
申请日：2020-07-28
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于联合时空采样的无监督视频序列行人再识别方法，包括：获取训练数据集并进行联合时空采样；进行单摄像头下小片段轨迹特征学习；进行单摄像头下行人小片段轨迹排序；计算单摄像头下小片段轨迹的关联损失；进行跨摄像头下小片段轨迹特征学习；进行跨摄像头下行人小片段轨迹排序；计算跨摄像头下小片段轨迹的关联损失；构造全局关联损失函数；判断是否满足迭代结束条件，若是，则执行步骤10，否则，返回步骤2；结束迭代，完成行人再识别。与现有技术相比，本发明具有识别准确度高、适用于无标签数据集的学习、稳定性高、可靠性和实用性高等优点。(56)对比文件蔡江琳 等.无监督学习三元组用于视频行人重识别研究.智能计算机与应用.2022,第12卷(第11期),18-25.Xiuhuan yuan 等.Association loss andself-discovery cross-camera anchorsdetection for unsupervised video-basedperson re-identification.Internationaljournal of pattern recognition andartificial intelligence.2021,第35卷(第14期),2150040.1-2150040.22.
-
公开(公告)号：CN112257625B
公开(公告)日：2022-12-16
申请号：CN202011176952.0
申请日：2020-10-29
Applicant: 上海工程技术大学
IPC: G06V20/59 , G06V40/16 , G06V10/25 , G06V10/26 , G06V10/764
Abstract: 本发明涉及一种基于车正脸特征的车辆重识别方法，包括获取车辆正脸图像，处理后得到车前挡风玻璃区域各物体的掩膜；获取所有车辆驾驶员和副驾驶位人员的掩膜，提取分割出的车辆驾驶员和副驾驶位人员的特征；将当前车辆驾驶员特征与检索数据集中所有图像的车辆驾驶员特征进行度量计算，将距离由小到大排序；判断当前车辆是否具有副驾驶位人员特征，若是，则将该副驾驶位人员特征与排序后的前十张具有副驾驶位人员特征再次进行度量计算，将距离由小到大重排序，否则，剔除排序后的前十张具有副驾驶位人员的特征的图像；最后查询的车辆图像与距离最小的目标图像，将其判断为同一车辆个体。与现有技术相比，本发明具有识别精度高、应用广泛等优点。
-
公开(公告)号：CN110210335B
公开(公告)日：2021-05-11
申请号：CN201910410107.6
申请日：2019-05-16
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种行人重识别学习模型的训练方法、系统和装置。方法包括以下步骤：从摄像机监控网络中采集多个摄像机拍摄的所有图片；对每个摄像机拍摄的图片添加身份标签，形成有标签样本集；利用CycleGAN网络对有标签样本集进行拓展，将每个摄像机拍摄的图片进行风格转换，转换生成的图片数量为N‑1个，N为摄像机的总数，拓展出的图片为无标签样本，形成无标签样本集；将无标签样本集和有标签样本集合并组成训练数据集；重识别学习模型根据训练数据集通过半监督学习进行自适应训练。与现有技术相比，本发明能够有效的减轻正负样本数量不平衡的影响，减少在训练过程中需要大量标签样本的成本，增强模型的性能。
-
公开(公告)号：CN112257625A
公开(公告)日：2021-01-22
申请号：CN202011176952.0
申请日：2020-10-29
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于车正脸特征的车辆重识别方法，包括获取车辆正脸图像，处理后得到车前挡风玻璃区域各物体的掩膜；获取所有车辆驾驶员和副驾驶位人员的掩膜，提取分割出的车辆驾驶员和副驾驶位人员的特征；将当前车辆驾驶员特征与检索数据集中所有图像的车辆驾驶员特征进行度量计算，将距离由小到大排序；判断当前车辆是否具有副驾驶位人员特征，若是，则将该副驾驶位人员特征与排序后的前十张具有副驾驶位人员特征再次进行度量计算，将距离由小到大重排序，否则，剔除排序后的前十张具有副驾驶位人员的特征的图像；最后查询的车辆图像与距离最小的目标图像，将其判断为同一车辆个体。与现有技术相比，本发明具有识别精度高、应用广泛等优点。
-
Patent Agency Ranking
公开(公告)号：CN111914730A
公开(公告)日：2020-11-10
申请号：CN202010737980.9
申请日：2020-07-28
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于联合时空采样的无监督视频序列行人再识别方法，包括：获取训练数据集并进行联合时空采样；进行单摄像头下小片段轨迹特征学习；进行单摄像头下行人小片段轨迹排序；计算单摄像头下小片段轨迹的关联损失；进行跨摄像头下小片段轨迹特征学习；进行跨摄像头下行人小片段轨迹排序；计算跨摄像头下小片段轨迹的关联损失；构造全局关联损失函数；判断是否满足迭代结束条件，若是，则执行步骤10，否则，返回步骤2；结束迭代，完成行人再识别。与现有技术相比，本发明具有识别准确度高、适用于无标签数据集的学习、稳定性高、可靠性和实用性高等优点。
-
公开(公告)号：CN110210335A
公开(公告)日：2019-09-06
申请号：CN201910410107.6
申请日：2019-05-16
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种行人重识别学习模型的训练方法、系统和装置。方法包括以下步骤：从摄像机监控网络中采集多个摄像机拍摄的所有图片；对每个摄像机拍摄的图片添加身份标签，形成有标签样本集；利用CycleGAN网络对有标签样本集进行拓展，将每个摄像机拍摄的图片进行风格转换，转换生成的图片数量为N-1个，N为摄像机的总数，拓展出的图片为无标签样本，形成无标签样本集；将无标签样本集和有标签样本集合并组成训练数据集；重识别学习模型根据训练数据集通过半监督学习进行自适应训练。与现有技术相比，本发明能够有效的减轻正负样本数量不平衡的影响，减少在训练过程中需要大量标签样本的成本，增强模型的性能。
-
公开(公告)号：CN112766218B
公开(公告)日：2023-05-30
申请号：CN202110131889.7
申请日：2021-01-30
Applicant: 上海工程技术大学
IPC: G06V40/10 , G06V20/52 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
-
公开(公告)号：CN112766218A
公开(公告)日：2021-05-07
申请号：CN202110131889.7
申请日：2021-01-30
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于非对称联合教学网络的跨域行人重识别方法和装置，该方法包括：采用带标签的源域行人图像对主模型进行预训练；将不带标签的目标域行人图像载入预训练后的主模型中进行特征提取；利用提取出的特征对目标域行人图像进行密度聚类；从而对目标域行人图像打上伪标签；采用原型相似性度量方法对打上伪标签的目标域行人图像进行可信度评估，得到高可信度样本和低可信度样本，并载入预先建立的非对称联合教学网络中进行迭代训练，非对称联合教学网络包括相互连接的主模型和协作模型，采用训练后的主模型进行行人重识别。与现有技术相比，本发明具有可以有效的解决伪标签噪声问题，提高行人重识别模型的准确性等优点。
-
公开(公告)号：CN112766217A
公开(公告)日：2021-05-07
申请号：CN202110131884.4
申请日：2021-01-30
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于解纠缠和特征级差异学习的跨模态行人重识别方法，包括：采用可见光摄像机和红外摄像机采集多张行人图片形成数据集；选取可见光模态的两张图像记为x1和x2、选取红外模态的两张图像记为y1和y3，图像x1和y1共享身份信息，图像x2和y3不共享身份信息；获取自编码模型，分别对图像x1、x2、y1和y3解纠缠出风格特征和内容特征；获取生成与判别网络，对风格特征和内容特征进行重构得到多个新图像；获取特征级差异学习网络，对多个新图像和原图像进行特征学习，获取行人识别结果。与现有技术相比，本发明解决了可能存在的跨模态图像间内容信息(如姿态、体态)相近的问题、提升了模型判别的泛化能力、减少了模态间和模态内的差异。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.026 seconds)
