-
公开(公告)号：CN113947589A
公开(公告)日：2022-01-18
申请号：CN202111246243.X
申请日：2021-10-26
Applicant: 北京理工大学
Abstract: 本发明公开的一种基于对抗生成网络的弹载图像去模糊方法，属于弹载计算机视觉技术领域。本发明利用对抗生成网络对模糊的弹载图像进行去模糊处理，设计包括生成器—鉴别器的深度卷积生成对抗网络模型，生成器采用编码—解码结构，构联合损失函数，不断训练以生成弹载模糊图像的复原图像，通过鉴别器辨别清晰图像和生成器伪造的图像，通过生成器逼近清晰图像混淆鉴别器，经过两个网络对抗训练使网络模型达到预期指标，将对抗训练后的网络模型移植到弹载计算机，用于弹载图像去模糊，提高制导精度。此外，本发明通过建立逼真的合成运动模糊的半实物仿真系统来模拟不同的模糊源，解决弹载图像数据的实际获取艰难的问题，提高训练的效率，节省试验成本。
-
公开(公告)号：CN113128456B
公开(公告)日：2023-04-07
申请号：CN202110485010.9
申请日：2021-04-30
Applicant: 北京理工大学
IPC: G06V40/10 , G06V20/52 , G06V10/774 , G06V10/778 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/088 , G06N3/09
Abstract: 本发明公开了一种联合图片生成的行人重识别方法。本发明基于对抗生成网络GAN对行人图片进行重识别，并在对抗生成网络的训练过程中，使用类似无监督的学习方法，采用教师模型来预测行人图片的身份(特征信息)，指导GAN的特征编码器，更充分地利用了生成样本的信息，提升模型质量，得到精度更高的学生模型，本发明不需要引入额外的标注信息和预训练模型等，可以提高行人重识别算法在不同场景的适用性。此外，本发明还利用了三元组损失的思想，扩充数据缩短类内差异的同时，增加了类间差异，进一步提高了识别精度。
-
公开(公告)号：CN113947589B
公开(公告)日：2024-08-02
申请号：CN202111246243.X
申请日：2021-10-26
Applicant: 北京理工大学
IPC: G06T7/00 , G06T5/73 , G06N3/0464 , G06N3/0895 , G06V10/774 , G06V10/82 , G06T5/60
Abstract: 本发明公开的一种基于对抗生成网络的弹载图像去模糊方法，属于弹载计算机视觉技术领域。本发明利用对抗生成网络对模糊的弹载图像进行去模糊处理，设计包括生成器—鉴别器的深度卷积生成对抗网络模型，生成器采用编码—解码结构，构联合损失函数，不断训练以生成弹载模糊图像的复原图像，通过鉴别器辨别清晰图像和生成器伪造的图像，通过生成器逼近清晰图像混淆鉴别器，经过两个网络对抗训练使网络模型达到预期指标，将对抗训练后的网络模型移植到弹载计算机，用于弹载图像去模糊，提高制导精度。此外，本发明通过建立逼真的合成运动模糊的半实物仿真系统来模拟不同的模糊源，解决弹载图像数据的实际获取艰难的问题，提高训练的效率，节省试验成本。
-
公开(公告)号：CN113128456A
公开(公告)日：2021-07-16
申请号：CN202110485010.9
申请日：2021-04-30
Applicant: 北京理工大学
Abstract: 本发明公开了一种联合图片生成的行人重识别方法。本发明基于对抗生成网络GAN对行人图片进行重识别，并在对抗生成网络的训练过程中，使用类似无监督的学习方法，采用教师模型来预测行人图片的身份(特征信息)，指导GAN的特征编码器，更充分地利用了生成样本的信息，提升模型质量，得到精度更高的学生模型，本发明不需要引入额外的标注信息和预训练模型等，可以提高行人重识别算法在不同场景的适用性。此外，本发明还利用了三元组损失的思想，扩充数据缩短类内差异的同时，增加了类间差异，进一步提高了识别精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
