-
公开(公告)号：CN114299111B
公开(公告)日：2022-11-04
申请号：CN202111574193.8
申请日：2021-12-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于半监督孪生网络的红外弱小目标跟踪方法，首先根据目标位置获取目标图像和搜寻区域图像，接着将搜寻区域图像输入至滤波网络进行编解码操作得到响应权值图，利用响应权值图对搜寻区域图像进行激活得到滤波图像，再将目标图像和滤波图像输入至特征提取网络提取特征并分别计算自注意力和交叉注意力，最后对各自分支的两种注意力融合后将两个分支的最终输出进行相关性计算，得到目标在当前帧的准确位置。本发明所提出的红外弱小目标跟踪方法，使用半监督的方式训练滤波网络，能够有效抑制红外图像中的背景噪声；充分利用目标图像和搜寻区域的注意力信息，在满足实时性要求的基础上显著的提高了对红外弱小目标的跟踪精度。
-
公开(公告)号：CN113297955B
公开(公告)日：2022-03-18
申请号：CN202110559367.7
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态分层级信息融合的手语词识别方法，该方法包括：以彩色视频、深度视频和骨骼节点视频三种模态的关键帧序列作为网络输入，构建一个双流I3D网络提取彩色视频和深度视频特征，通过特征拼接融合双模态语义特征，再使用LSTM构建长期时空特征，使用SoftMax进行分类评分；同时使用DST‑GCN网络提取骨骼节点视频的时空特征，再使用SoftMax进行分类评分；最终通过决策级融合方式将两个SoftMax层的预测分数进行融合，得到手语词识别结果。本发明所提出的基于多模态分层级信息融合的手语词识别方法，通过构建分层级融合策略，充分利用了多模态数据互补信息；通过构建DST‑GCN网络，增强了时空图卷积网络时间特征提取能力，进而提高了手语词识别的准确率。
-
公开(公告)号：CN114299111A
公开(公告)日：2022-04-08
申请号：CN202111574193.8
申请日：2021-12-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于半监督孪生网络的红外弱小目标跟踪方法，首先根据目标位置获取目标图像和搜寻区域图像，接着将搜寻区域图像输入至滤波网络进行编解码操作得到响应权值图，利用响应权值图对搜寻区域图像进行激活得到滤波图像，再将目标图像和滤波图像输入至特征提取网络提取特征并分别计算自注意力和交叉注意力，最后对各自分支的两种注意力融合后将两个分支的最终输出进行相关性计算，得到目标在当前帧的准确位置。本发明所提出的红外弱小目标跟踪方法，使用半监督的方式训练滤波网络，能够有效抑制红外图像中的背景噪声；充分利用目标图像和搜寻区域的注意力信息，在满足实时性要求的基础上显著的提高了对红外弱小目标的跟踪精度。
-
公开(公告)号：CN113297955A
公开(公告)日：2021-08-24
申请号：CN202110559367.7
申请日：2021-05-21
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态分层级信息融合的手语词识别方法，该方法包括：以彩色视频、深度视频和骨骼节点视频三种模态的关键帧序列作为网络输入，构建一个双流I3D网络提取彩色视频和深度视频特征，通过特征拼接融合双模态语义特征，再使用LSTM构建长期时空特征，使用SoftMax进行分类评分；同时使用DST‑GCN网络提取骨骼节点视频的时空特征，再使用SoftMax进行分类评分；最终通过决策级融合方式将两个SoftMax层的预测分数进行融合，得到手语词识别结果。本发明所提出的基于多模态分层级信息融合的手语词识别方法，通过构建分层级融合策略，充分利用了多模态数据互补信息；通过构建DST‑GCN网络，增强了时空图卷积网络时间特征提取能力，进而提高了手语词识别的准确率。
-
-
-
Search Results
4
records
(took 0.016 seconds)
