-
公开(公告)号：CN110263786B
公开(公告)日：2023-04-14
申请号：CN201910549482.9
申请日：2019-06-24
Applicant: 东北大学
IPC: G06V10/25 , G06V10/774 , G06V10/80
Abstract: 本发明提供一种基于特征维度融合的道路多目标识别系统及方法，包括：用于提取道路场景图像特征的全卷积网络单元；用于对提取到的特征进行初步目标位置预测的目标位置回归单元，用于融合道路场景图像外观特征的对称式融合网络单元，用于将融合后得到的特征利用区域位置热图表示空间信息的区域位置热图单元，用于将初步的目标位置预测结果与热图进行融合得到最终检测结果的融合单元。本发明将道路场景图像训练得到道路目标检测模型。通过引入特征维度融合的技术，将具有较高分辨率的浅层特征图与分辨率较低但语义特征明显的深层特征相连接，从而提高了模型对于多尺度目标的检测精度；同时利用全卷积检测网络，进一步平衡检测精度与速度两个指标。
-
公开(公告)号：CN110263786A
公开(公告)日：2019-09-20
申请号：CN201910549482.9
申请日：2019-06-24
Applicant: 东北大学
Abstract: 本发明提供一种基于特征维度融合的道路多目标识别系统及方法，包括：用于提取道路场景图像特征的全卷积网络单元；用于对提取到的特征进行初步目标位置预测的目标位置回归单元，用于融合道路场景图像外观特征的对称式融合网络单元，用于将融合后得到的特征利用区域位置热图表示空间信息的区域位置热图单元，用于将初步的目标位置预测结果与热图进行融合得到最终检测结果的融合单元。本发明将道路场景图像训练得到道路目标检测模型。通过引入特征维度融合的技术，将具有较高分辨率的浅层特征图与分辨率较低但语义特征明显的深层特征相连接，从而提高了模型对于多尺度目标的检测精度；同时利用全卷积检测网络，进一步平衡检测精度与速度两个指标。
-
公开(公告)号：CN110263756A
公开(公告)日：2019-09-20
申请号：CN201910578695.4
申请日：2019-06-28
Applicant: 东北大学
Abstract: 本发明提供一种基于联合多任务学习的人脸超分辨率重建系统，包括：采集模块，第一提取模块，重建模块，第二提取模块，以及训练模块。本发明通过针对人脸多属性学习任务的联合训练方法，获取人脸特征在相关任务间的共享表示；然后论证了感知损失在提高人脸语义信息的重建效果方面的可行性；最后，对人脸属性数据集进行增强，筛选缺失相关属性标签的数据，用面部关键点检测算法对特征点属性进行重提取，在此基础上进行联合多任务学习生成视觉感知效果更加真实的超分辨率结果。
-
-
Search Results
3
records
(took 0.017 seconds)
