-
Patent Agency Ranking
公开(公告)号：CN111161306B
公开(公告)日：2023-06-02
申请号：CN201911402450.2
申请日：2019-12-31
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于运动注意力的视频目标分割方法，该方法将通道注意力模块输出的通道特征图和运动注意力模块输出的位置特征图进行相加，获得当前帧的分割结果。其中，通道注意力模块的输入为当前帧特征图Ft和第一帧提供的目标物体的外观特征图F0，通道注意力模块通过计算输入特征图Ft和F0通道之间的关联，输出的通道特征图反映了当前帧中外观最接近目标物体的物体；运动注意力模块的输入为当前帧特征图Ft和前一帧运动注意力网络中的记忆模块预测的目标物体的位置信息Ht‑1，运动注意力模块通过计算输入特征图Ft和Ht‑1位置之间的关联，输出的位置特征图反映了当前帧中目标物体的大致位置。本发明结合外观和位置两个因素，实现了对视频目标更精确的分割。
-
公开(公告)号：CN113052017A
公开(公告)日：2021-06-29
申请号：CN202110258611.6
申请日：2021-03-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多粒度特征表示和域自适应学习的无监督行人重识别方法，用于解决无监督行人重识别跨域识别精度不高，行人特征表示辨别力不强的问题，提升模型的可扩展性。首先引入多粒度特征提取模块，得到行人图像具有更丰富判别信息的多粒度特征表示；对于源数据集中有标签的行人图像，源域分类模块对其进行分类学习，为域自适应学习模块提供源域的行人判别知识；域自适应模块基于从源域中获得的判别知识，充分挖掘目标数据集中潜在的判别信息。本发明能够获得较强的行人特征表示，考虑目标域与源域的差异因素，在无标签的目标域识别精度较高，并保持稳定的识别效果。
-
公开(公告)号：CN113052017B
公开(公告)日：2024-05-28
申请号：CN202110258611.6
申请日：2021-03-09
Applicant: 北京工业大学
IPC: G06V40/10 , G06V10/774 , G06V20/52 , G06V10/764
Abstract: 本发明公开了一种基于多粒度特征表示和域自适应学习的无监督行人重识别方法，用于解决无监督行人重识别跨域识别精度不高，行人特征表示辨别力不强的问题，提升模型的可扩展性。首先引入多粒度特征提取模块，得到行人图像具有更丰富判别信息的多粒度特征表示；对于源数据集中有标签的行人图像，源域分类模块对其进行分类学习，为域自适应学习模块提供源域的行人判别知识；域自适应模块基于从源域中获得的判别知识，充分挖掘目标数据集中潜在的判别信息。本发明能够获得较强的行人特征表示，考虑目标域与源域的差异因素，在无标签的目标域识别精度较高，并保持稳定的识别效果。
-
公开(公告)号：CN111161317A
公开(公告)日：2020-05-15
申请号：CN201911390842.1
申请日：2019-12-30
Applicant: 北京工业大学
IPC: G06T7/246
Abstract: 本发明提供了一种基于多重网络的单目标跟踪方法，是一种采用深度学习的模型。该方法首先对视频序列的第一帧图像和当前帧图像进行裁剪，得到模板图像和待搜索图像；将模板图像和待搜索图像输入外观子网和语义子网，分别获得模板图像和待搜索图像的低层外观特征和高层语义特征，并进行特征融合，分别得到模板图像和待搜索图像的融合特征图；然后，基于模板图像和待搜索图像的融合特征图，使用相似性判别方法得到最终响应图；最后，根据最终响应图提供的信息获得跟踪结果。本发明解决了传统单目标跟踪方法无法有效检测到包含相似性背景的待搜索图像中的跟踪目标，以及基于深度学习的特征提取方法由于提取出的低层外观特征存在噪声而导致误检的问题。
-
公开(公告)号：CN111161306A
公开(公告)日：2020-05-15
申请号：CN201911402450.2
申请日：2019-12-31
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于运动注意力的视频目标分割方法，该方法将通道注意力模块输出的通道特征图和运动注意力模块输出的位置特征图进行相加，获得当前帧的分割结果。其中，通道注意力模块的输入为当前帧特征图Ft和第一帧提供的目标物体的外观特征图F0，通道注意力模块通过计算输入特征图Ft和F0通道之间的关联，输出的通道特征图反映了当前帧中外观最接近目标物体的物体；运动注意力模块的输入为当前帧特征图Ft和前一帧运动注意力网络中的记忆模块预测的目标物体的位置信息Ht-1，运动注意力模块通过计算输入特征图Ft和Ht-1位置之间的关联，输出的位置特征图反映了当前帧中目标物体的大致位置。本发明结合外观和位置两个因素，实现了对视频目标更精确的分割。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
