-
公开(公告)号：CN111179314B
公开(公告)日：2023-05-02
申请号：CN201911389973.8
申请日：2019-12-30
Applicant: 北京工业大学
IPC: G06T7/246 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于残差密集孪生网络的目标跟踪方法，该方法首先在视频第一帧图像中提取待跟踪目标的模板图像，并将其输入到残差密集网络，获得初始模板特征，将提取的特征进一步输入全局注意力模块，获得模板特征，完成跟踪器初始化；然后对第t帧图像裁剪提取搜索区域图像，并将其输入到残差密集网络获得搜索区域特征；最后，将模板特征和搜索区域特征输入候选区域生成网络，得到前景与背景分类置信度和边界框回归估计值，进一步得到第t帧跟踪结果。应用本发明，解决了现有基于孪生网络的目标跟踪方法无法有效处理背景杂乱、相似语义干扰的问题，还解决了现有基于孪生网络的目标跟踪方法跟踪准确度低，鲁棒性差的问题。
-
Patent Agency Ranking
公开(公告)号：CN112580473A
公开(公告)日：2021-03-30
申请号：CN202011464000.9
申请日：2020-12-11
Applicant: 北京工业大学
Abstract: 本发明提供了一种融合运动特征的视频超分辨率重构方法，用于解决现阶段视频超分辨率重构方法重构精度不高，重构时间过长的问题。首先自适应关键帧判别子网自适应地从视频连续帧中判别出关键帧；关键帧经过高精度关键帧重构子网进行重构；对于非关键帧，则提取其与邻近关键帧之间的运动特征，并与邻近关键帧特征融合，再经过特征残差学习，得到非关键帧的特征，从而快速地获得非关键帧的重构结果。本发明能够自适应地判断视频中帧为关键帧或是非关键帧，并根据判断结果执行不同的重构策略，保证了视频整体重构结果的精准性；其次，本发明在图像特征层面进行运动信息的融合，避免了伪影的引入，减少了运动估计的提取时间。
-
公开(公告)号：CN111179314A
公开(公告)日：2020-05-19
申请号：CN201911389973.8
申请日：2019-12-30
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于残差密集孪生网络的目标跟踪方法，该方法首先在视频第一帧图像中提取待跟踪目标的模板图像，并将其输入到残差密集网络，获得初始模板特征，将提取的特征进一步输入全局注意力模块，获得模板特征，完成跟踪器初始化；然后对第t帧图像裁剪提取搜索区域图像，并将其输入到残差密集网络获得搜索区域特征；最后，将模板特征和搜索区域特征输入候选区域生成网络，得到前景与背景分类置信度和边界框回归估计值，进一步得到第t帧跟踪结果。应用本发明，解决了现有基于孪生网络的目标跟踪方法无法有效处理背景杂乱、相似语义干扰的问题，还解决了现有基于孪生网络的目标跟踪方法跟踪准确度低，鲁棒性差的问题。
-
公开(公告)号：CN112580473B
公开(公告)日：2024-05-28
申请号：CN202011464000.9
申请日：2020-12-11
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06T3/40
Abstract: 本发明提供了一种融合运动特征的视频超分辨率重构方法，用于解决现阶段视频超分辨率重构方法重构精度不高，重构时间过长的问题。首先自适应关键帧判别子网自适应地从视频连续帧中判别出关键帧；关键帧经过高精度关键帧重构子网进行重构；对于非关键帧，则提取其与邻近关键帧之间的运动特征，并与邻近关键帧特征融合，再经过特征残差学习，得到非关键帧的特征，从而快速地获得非关键帧的重构结果。本发明能够自适应地判断视频中帧为关键帧或是非关键帧，并根据判断结果执行不同的重构策略，保证了视频整体重构结果的精准性；其次，本发明在图像特征层面进行运动信息的融合，避免了伪影的引入，减少了运动估计的提取时间。
-
公开(公告)号：CN114419671B
公开(公告)日：2024-03-26
申请号：CN202210052859.1
申请日：2022-01-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于超图神经网络的遮挡行人重识别方法，用于解决行人重识别在行人图像被遮挡时识别精度不高，行人特征表示辨别力不强的问题，提升模型的准确性。首先引入行人特征提取模块，基于人体关键点信息提取行人图像的局部特征，获得带有可见性信息的行人局部特征表示；高阶信息融合模块基于超图神经网络自适应融合行人局部特征，获得更具判别性的行人特征；在此基础上，特征匹配模块将人体拓扑信息结合到图匹配过程中，对遮挡行人图像进行更准确的相似性度量。本发明能够获得较强的行人特征表示，在遮挡行人图像数据集上识别精度较高，并保持稳定的识别效果。
-
公开(公告)号：CN114419671A
公开(公告)日：2022-04-29
申请号：CN202210052859.1
申请日：2022-01-18
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于超图神经网络的遮挡行人重识别方法，用于解决行人重识别在行人图像被遮挡时识别精度不高，行人特征表示辨别力不强的问题，提升模型的准确性。首先引入行人特征提取模块，基于人体关键点信息提取行人图像的局部特征，获得带有可见性信息的行人局部特征表示；高阶信息融合模块基于超图神经网络自适应融合行人局部特征，获得更具判别性的行人特征；在此基础上，特征匹配模块将人体拓扑信息结合到图匹配过程中，对遮挡行人图像进行更准确的相似性度量。本发明能够获得较强的行人特征表示，在遮挡行人图像数据集上识别精度较高，并保持稳定的识别效果。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
