一种基于MSGRU-TRF的视频异常检测方法

    公开(公告)号:CN116645521A

    公开(公告)日:2023-08-25

    申请号:CN202310475774.9

    申请日:2023-04-28

    Abstract: 一种基于MSGRU‑TRF的视频异常检测方法涉及计算机视觉以及模式识别领域。本发明针对视频提出新的MSGRU‑TRF网络,包含三个模块。基于GRU的多尺度时间特征学习模块在多尺度卷积网络中加入GRU结构,既利用了多尺度卷积网络对输入数据多尺度建模的特点,又加强了对输入数据时间上的建模。本发明通过时间分辨率特征映射模块将视频特征的时间分辨率信息映射到特征学习网络辅助网络学习到视频的更多信息。本发明提出自适应k模块来改进传统的Top‑k损失函数,通过为不同的输入视频定制k的值,为网络训练带来更多的灵活性。本发明对真实世界长短不一的监控视频有很好的时间尺度建模作用,在视频异常检测方面有较高的准确率。

    一种基于填充超分的高分辨率冰下地形生成方法

    公开(公告)号:CN119152139A

    公开(公告)日:2024-12-17

    申请号:CN202411236903.X

    申请日:2024-09-05

    Abstract: 本发明提出了一种基于填充超分的冰下地形生成方法,结合深度学习的填充和超分模型,利用稀疏机载雷达数据准确地生成高分辨率地形。该方法首先通过填充模型在低分辨率(1000m)提取地形走势,再使用超分模型对低分辨率地形进行超分,生成高分辨率(250m)地形。填充模型采用孪生结构,通过编解码器分支提取宏观特征,核预测分支学习每个像素的核生成走势细节。超分模型使用金字塔结构,结合核预测结构和像素重组与双线性插值融合,生成丰富地形细节。该方法在冰下地形生成任务中展现出较强的鲁棒性和广泛适用性,为该领域提供了新思路和方法,具有重要科学价值和应用前景。

Patent Agency Ranking