-
公开(公告)号：CN114693744A
公开(公告)日：2022-07-01
申请号：CN202210150329.0
申请日：2022-02-18
Applicant: 东南大学
Abstract: 一种基于改进循环生成对抗网络的光流无监督估计方法，首先，改进生成器结构，引入空洞卷积在不降低特征图尺寸的情况下增加网络的感受野，同时引入通道‑空间注意力模块使生成器更加专注于输入图片中的运动物体，其次，引入Spynet作为教师网络对生成器进行指导。最后，引入光流一致性损失和轮廓一致性损失。将改进之处放入循环生成对抗网络框架中，生成器负责利用生成的图像蒙骗判别器。生成器与判别器以此种方式进行对抗训练，当判别器无法区分图像来源时，完成训练，而后即可利用两幅连续图像实现光流的估计。此方法可用于以无人机、无人车以及水下无人潜器等为载体的，易受光照变化、阴雨天等恶劣条件影响的基于光流的自主导航任务。
-
公开(公告)号：CN115810045A
公开(公告)日：2023-03-17
申请号：CN202211473988.4
申请日：2022-11-23
Applicant: 东南大学
IPC: G06T7/73 , G06T7/50 , G06T7/269 , G06T7/246 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 基于Transformer的单目光流、深度和位姿无监督联合估计方法，具体来说，为降低网络参数和结构的冗余，同时考虑光流、深度和位姿无监督联合估计的任务在时序上的连续性，本发明采用具有全局感受野的Transformer作为唯一的特征编码器为三个任务同时提供统一的、具有一致性的特征描述。此外，为实现光流、深度和位姿估计之间的精度提升，考虑到联合估计任务之间的相似性。本发明在网络的训练过程中，提出了互引机制来为网络引入几何先验，实现对光流与位姿、深度的双向迭代优化。此方法可以用于以无人机、无人车或机器人等为载体的，面向单目视觉的光流、深度和位姿的联合估计任务。
-
公开(公告)号：CN115018888B
公开(公告)日：2024-08-06
申请号：CN202210777017.2
申请日：2022-07-04
Applicant: 东南大学
IPC: G06T7/269 , G06T7/254 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明公开了一种基于Transformer的光流无监督估计方法。具体来说，本发明引入Transformer作为光流估计的特征编码器，利用其完全的自注意力机制，实现具有全局感受野的特征编码，有利于光流估计精度的提升。其次，在基于特征金字塔的光流解码器中，提出归一化互相关模块来计算两幅特征图之间的相关性，以使网络更加关注前景运动物体，弱化背景噪声对光流的干扰。同时，引入基于注意力的中间光流估计模块，对物体边界光流进行细化，进一步提升光流估计精度。最后，在光度一致损失和平滑损失函数的基础上，引入静态光流损失函数作为网络无监督的伪标签，为网络提供更加明确的训练方向。此方法可用于视觉导航、运动估计和图像分割等计算机视觉领域。
-
公开(公告)号：CN118781511A
公开(公告)日：2024-10-15
申请号：CN202410679058.7
申请日：2024-05-29
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 东南大学 , 南京工程学院
IPC: G06V20/40 , G06V20/52 , G06V10/764 , G06V10/774 , G06Q50/06
Abstract: 本发明涉及电力现场作业安全行为监测技术领域，尤其涉及一种基于深度学习的电力安全作业目标检测方法及系统，采用整体预训练，分类微调的两阶段训练方式对网络进行训练，网络中PWConv旨在减少计算冗余，保持网络性能，而解耦检测头则将目标定位与分类任务分开处理，提高检测精度。引入DeepSort算法对检测到的目标进行跟踪，通过人脸识别技术将安全监测精确至个人层面，从而对违规情况发出准确警报。通过构建高效的多进程推理系统，动态管理目标检测模型，使得系统能够同时处理多个并发的检测任务，极大地提升了实时监测的响应速度和处理能力。
-
Patent Agency Ranking
公开(公告)号：CN114693744B
公开(公告)日：2025-04-29
申请号：CN202210150329.0
申请日：2022-02-18
Applicant: 东南大学
IPC: G06T7/269 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/096
Abstract: 一种基于改进循环生成对抗网络的光流无监督估计方法，首先，改进生成器结构，引入空洞卷积在不降低特征图尺寸的情况下增加网络的感受野，同时引入通道‑空间注意力模块使生成器更加专注于输入图片中的运动物体，其次，引入Spynet作为教师网络对生成器进行指导。最后，引入光流一致性损失和轮廓一致性损失。将改进之处放入循环生成对抗网络框架中，生成器负责利用生成的图像蒙骗判别器。生成器与判别器以此种方式进行对抗训练，当判别器无法区分图像来源时，完成训练，而后即可利用两幅连续图像实现光流的估计。此方法可用于以无人机、无人车以及水下无人潜器等为载体的，易受光照变化、阴雨天等恶劣条件影响的基于光流的自主导航任务。
-
公开(公告)号：CN113362251B
公开(公告)日：2024-03-26
申请号：CN202110715304.6
申请日：2021-06-27
Applicant: 东南大学
IPC: G06T5/60 , G06T5/70 , G06N3/0464 , G06N3/088 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/044
Abstract: 基于双判别器与改进损失函数的对抗网络图像去雾方法。首先，在生成器中引入两层由Inception网络组成的细节生成模块以生成包含更加准确和逼真细节的图像，其次，引入双判别器结构，判别器D1网络结构较为简单，负责对生成器生成的图片Ifake的底层特征进行判别，D2网络结构较为复杂，负责对生成器生成的图片Ifake的高层特征进行判别，当生成器G生成的图片成功同时地欺骗过判别器D1和D2时，训练结束。最后，为了针对去雾任务完成针对性优化，将暗通道先验理论引入生成器的损失函数中，提升去雾效果。本发明可用于以无人机、无人车以及无人船等为载体的，易受大雾、雨天等恶劣条件影响的基于视觉的导航、目标识别和辅助驾驶等任务。
-
公开(公告)号：CN115761667A
公开(公告)日：2023-03-07
申请号：CN202211383301.8
申请日：2022-11-07
Applicant: 东南大学
IPC: G06V20/56 , G06V20/40 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/25 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 一种基于改进FCOS算法的无人车辆搭载摄像头目标检测方法，涉及计算机视觉领域。由无人车采集图像，将图像进行预处理后，放入改进的FCOS网络模型中进行训练，训练过程中模型会对图像进行特征提取，预测，损失计算，参数更新，经多多次迭代后，可以得到训练完成的检测模型文件，经过模型转换后，就可以应用部署在无人车等终端设备上。本发明在特征提取的能力上更强，而且构建的两阶段模型在小目标上的检测效果更优，有效地提升了模型的识别准确率，改善了模型的漏检和误检。
-
公开(公告)号：CN115018888A
公开(公告)日：2022-09-06
申请号：CN202210777017.2
申请日：2022-07-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于Transformer的光流无监督估计方法。具体来说，本发明引入Transformer作为光流估计的特征编码器，利用其完全的自注意力机制，实现具有全局感受野的特征编码，有利于光流估计精度的提升。其次，在基于特征金字塔的光流解码器中，提出归一化互相关模块来计算两幅特征图之间的相关性，以使网络更加关注前景运动物体，弱化背景噪声对光流的干扰。同时，引入基于注意力的中间光流估计模块，对物体边界光流进行细化，进一步提升光流估计精度。最后，在光度一致损失和平滑损失函数的基础上，引入静态光流损失函数作为网络无监督的伪标签，为网络提供更加明确的训练方向。此方法可用于视觉导航、运动估计和图像分割等计算机视觉领域。
-
公开(公告)号：CN113362251A
公开(公告)日：2021-09-07
申请号：CN202110715304.6
申请日：2021-06-27
Applicant: 东南大学
Abstract: 基于双判别器与改进损失函数的对抗网络图像去雾方法。首先，在生成器中引入两层由Inception网络组成的细节生成模块以生成包含更加准确和逼真细节的图像，其次，引入双判别器结构，判别器D1网络结构较为简单，负责对生成器生成的图片Ifake的底层特征进行判别，D2网络结构较为复杂，负责对生成器生成的图片Ifake的高层特征进行判别，当生成器G生成的图片成功同时地欺骗过判别器D1和D2时，训练结束。最后，为了针对去雾任务完成针对性优化，将暗通道先验理论引入生成器的损失函数中，提升去雾效果。本发明可用于以无人机、无人车以及无人船等为载体的，易受大雾、雨天等恶劣条件影响的基于视觉的导航、目标识别和辅助驾驶等任务。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.048 seconds)
