-
公开(公告)号：CN109754358A
公开(公告)日：2019-05-14
申请号：CN201910001519.4
申请日：2019-01-02
Applicant: 东南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于显著性检测和轮廓波变换的图像水印方法，对载体图像分别进行显著性检测以及轮廓波变换，并对变换后的低通子带进行分块，由块内的显著性值以及能量分布决定每一块的量化步长，将水印信息自适应地嵌入到载体图像的轮廓波域中。本发明还提出一种基于显著性检测和轮廓波变换的图像水印系统，包括水印嵌入模块，信息传输模块，水印提取模块。本发明在发送端通过改进的对数量化索引调制算法将水印信息自适应地嵌入到载体图像低通子带的每一块中，并将每一块的量化步长作为密钥发送到接收端，实现水印提取，具有隐蔽性好、不可感知性高等优点，并且在抵抗噪声、滤波、图像压缩、幅度缩放等常规水印攻击时表现出很强的鲁棒性。
-
-
公开(公告)号：CN114897939B
公开(公告)日：2024-12-10
申请号：CN202210599934.6
申请日：2022-05-26
Applicant: 东南大学
Abstract: 本发明公开了基于深度路径聚合网络的多目标跟踪方法及系统。以深度路径聚合网络为框架，首先输入大量外部视频数据训练网络以生成目标中心热图、目标中心偏移量、预测框大小，同时提取目标的re‑ID特征；然后根据目标位置信息生成预测框，将检测到的物体以矩形框的形式标注出来；随后计算视频某一帧及前一帧中的所有被检测物体的re‑ID特征向量的余弦距离和预测框的IoU，将当前帧中的所有物体连接到现有的轨迹中。最后通过卡尔曼滤波算法进一步估计所有目标在当前帧中的位置。本发明采用自下而上的特征融合层来提取目标空间特征信息，缩短了底层和顶层特征之间的信息路径，使得跟踪器具有更高的跟踪精度和具有实时跟踪速度快的优点。
-
公开(公告)号：CN114782997B
公开(公告)日：2024-06-14
申请号：CN202210517995.3
申请日：2022-05-12
Applicant: 东南大学
IPC: G06V40/10 , G06N3/0464 , G06N3/084 , G06V10/32 , G06V10/40 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多损失注意力自适应网络的行人重识别方法及系统。该方法以多损失注意力自适应网络为框架，首先采用行人重识别数据集来训练网络的权重。在完成训练后，将待检测的图像输入到该网络中，与图像库中的行人进行比对，检索出正确的行人图像。与传统的方法相比，本发明利用多损失注意力自适应网络，通过多层非线性变化网络，对图像进行特征提取，同时通过优化损失函数，更新网络参数。本发明可以完成行人图像的检索功能，具有识别准确率高的优点。
-
公开(公告)号：CN111080730B
公开(公告)日：2023-05-23
申请号：CN201911051131.1
申请日：2019-10-31
Applicant: 东南大学
IPC: G06T11/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于跨通道和空间加权卷积特征的脑图像解码方法，该方法以稀疏线性回归模型作为脑解码器的基础，通过输入大脑视觉皮层区域的核磁共振信号来预测受试者所看到图片的高级语义卷积特征。一旦解码器训练完成后，对于任意给定一组测得的fMRI信号，可以通过该解码器判别出受试者当时所看到图片的类别。本发明还提出了一种脑图像解码系统，与传统方法相比，本发明针对卷积网络特征缺乏几何不变性的缺点，对不同通道及空间位置上的卷积特征进行加权，得到了表征能力更强的特征，从而提高了识别的准确性；另一方面，本发明所利用的卷积特征，消除了随机性带来的干扰，更加稳定，且特征维数更低，大幅减少了计算量。
-
Patent Agency Ranking
公开(公告)号：CN109754358B
公开(公告)日：2023-04-07
申请号：CN201910001519.4
申请日：2019-01-02
Applicant: 东南大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于显著性检测和轮廓波变换的图像水印方法，对载体图像分别进行显著性检测以及轮廓波变换，并对变换后的低通子带进行分块，由块内的显著性值以及能量分布决定每一块的量化步长，将水印信息自适应地嵌入到载体图像的轮廓波域中。本发明还提出一种基于显著性检测和轮廓波变换的图像水印系统，包括水印嵌入模块，信息传输模块，水印提取模块。本发明在发送端通过改进的对数量化索引调制算法将水印信息自适应地嵌入到载体图像低通子带的每一块中，并将每一块的量化步长作为密钥发送到接收端，实现水印提取，具有隐蔽性好、不可感知性高等优点，并且在抵抗噪声、滤波、图像压缩、幅度缩放等常规水印攻击时表现出很强的鲁棒性。
-
公开(公告)号：CN114897939A
公开(公告)日：2022-08-12
申请号：CN202210599934.6
申请日：2022-05-26
Applicant: 东南大学
Abstract: 本发明公开了基于深度路径聚合网络的多目标跟踪方法及系统。以深度路径聚合网络为框架，首先输入大量外部视频数据训练网络以生成目标中心热图、目标中心偏移量、预测框大小，同时提取目标的re‑ID特征；然后根据目标位置信息生成预测框，将检测到的物体以矩形框的形式标注出来；随后计算视频某一帧及前一帧中的所有被检测物体的re‑ID特征向量的余弦距离和预测框的IoU，将当前帧中的所有物体连接到现有的轨迹中。最后通过卡尔曼滤波算法进一步估计所有目标在当前帧中的位置。本发明采用自下而上的特征融合层来提取目标空间特征信息，缩短了底层和顶层特征之间的信息路径，使得跟踪器具有更高的跟踪精度和具有实时跟踪速度快的优点。
-
公开(公告)号：CN109348228B
公开(公告)日：2021-05-04
申请号：CN201811073734.7
申请日：2018-09-14
Applicant: 东南大学
IPC: H04N19/467 , H04N1/32
Abstract: 本发明公开了一种基于图像分割和图像空间相关性的图像加密域可逆信息隐藏方法及系统。在图像发送端，图像拥有者通过设计的图像分割算法将图像分割为三个部分：黑色部分、白色部分和灰色部分。采用预测误差扩展和多直方图平移相结合的方式利用灰色部分对黑色部分进行预测，通过自适应的可逆信息隐藏算法将白色部分的最低有效位嵌入到图像的黑色部分，再通过加密秘钥生成加密图像；信息隐藏者通过隐藏秘钥对图像进行秘密信息的嵌入。在图像接收端，接受者既可以先提取秘密信息再恢复原始图像也可以先恢复原始图像再提取秘密信息，实现秘密信息和原始图像的可逆性。本发明具有隐秘性好，嵌入容量大等优点。
-
公开(公告)号：CN108765255A
公开(公告)日：2018-11-06
申请号：CN201810553288.3
申请日：2018-05-31
Applicant: 东南大学
IPC: G06T1/00
CPC classification number: G06T1/005
Abstract: 本发明公开了一种基于压缩感知技术的角度量化索引调制图像水印方法，采用混沌序列构建稀疏随机测量矩阵作为观测矩阵，利用压缩感知技术以及角度量化索引调制算法，将水印信息安全、隐蔽地嵌入到载体图像的压缩感知域中。本发明还提出一种基于压缩感知技术的角度量化索引调制图像水印系统，包括构建观测矩阵模块、水印嵌入模块，信息传输模块，水印提取模块。本发明在发送端通过角度量化索引调制算法将水印信息嵌入到载体图像的压缩感知域中，并将观测矩阵的相关信息以及水印的嵌入位置作为密钥发送到接收端，实现水印提取，具有隐蔽性好、安全性高等优点，并且在抵抗噪声、滤波、图像压缩、幅度缩放等常规水印攻击时表现出很强的鲁棒性。
-
公开(公告)号：CN117197188A
公开(公告)日：2023-12-08
申请号：CN202311186115.X
申请日：2023-09-14
Applicant: 东南大学
IPC: G06T7/246 , G06T7/73 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于Transformer的分段式目标跟踪方法及系统。在孪生网络的输出端添加了Transformer特征加工单元，该单元使算法有效梳理了视频的先后逻辑。同时，通过实施分段训练，孪生网络被分割为擅长于不同时段内跟踪的单元，这提升了算法适应长短不一的视频的能力。针对每个跟踪任务，首先用数据集训练主干网络；然后逐帧输入视频并提取图像特征，从而得出图中各点的响应值；最后由响应值划定目标在每一帧中的边界框，即宣告跟踪完成。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.017 seconds)
