-
公开(公告)号：CN113837048B
公开(公告)日：2023-08-01
申请号：CN202111090480.1
申请日：2021-09-17
Applicant: 南京信息工程大学
IPC: G06V20/58 , G06V10/40 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于少样本注意力的车辆重识别方法，所述方法包括步骤：将车辆图片输入到预先训练好的少样本注意力模块FSAM中，得到注意力图；将目标域图片输入特征提取网络F‑Net，获取特征图，并通过特征图整合模块FMIM进行整合，得到新特征图；通过计算注意力图与新特征图两者的距离，根据距离大小输出相似度最高的车辆图片；本发明有效地解决了传统方法需要大量车辆图片来训练网络的问题，不仅增强了网络的泛化能力，还提高了网络的效率和车辆重识别的精确度。
-
公开(公告)号：CN113191218A
公开(公告)日：2021-07-30
申请号：CN202110394724.9
申请日：2021-04-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于双线性注意力汇集和卷积长短期记忆的车型识别方法，分为三个阶段，第一阶段为注意力图汇集阶段，在主干网络的特征提取部分添加一个注意力学习模块分支，将注意力模块学到的注意力图与主干网络的原输出特征图做双线性汇集操作，生成对车型分类贡献较大的局部特征图。第二阶段将局部特征图转化为特征矩阵，第三阶段引入ConvLSTM结构，串联多个Cell，进一步学习局部特征之间的空间关系，然后将ConvLSTM结构输出的特征图送入到全连接层，使用分类器分类。本发明学习不同局部特征间的空间关系，获得丰富的特征信息，使得网络模型能够应对跨摄像头视频监控下不同姿态的车型识别，有效地提高细粒度车型识别的准确率。
-
公开(公告)号：CN115205817A
公开(公告)日：2022-10-18
申请号：CN202210757841.1
申请日：2022-06-30
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于全局优化和局部增强的车辆重识别方法，所述方法包括：将车辆图片输入到特征提取网络F‑Net中提取车辆的全局特征；将车辆的全局特征输入到基于transformer的全局特征优化模块中，生成优化后的全局特征；将特征提取网络F‑Net学习到的车辆图片特征向量输入特征筛选模块和元注意力模块，生产注意力权重；将注意力权重与全局特征做信道乘，得到注意力图；本发明提出了一个新的基于transformer和元学习的少样本车辆重识别网络，有效降低了网络对样本的依赖，提高了模型的效率，网络的泛化能力也得到了增强，同时提高了车辆重识别的精确度。
-
公开(公告)号：CN113837048A
公开(公告)日：2021-12-24
申请号：CN202111090480.1
申请日：2021-09-17
Applicant: 南京信息工程大学
Abstract: 基于少样本注意力的车辆重识别方法。本发明公开了将车辆图片输入到预先训练好的少样本注意力模块FSAM中，得到注意力图；将目标域图片输入特征提取网络F‑Net，获取特征图，并通过特征图整合模块FMIM进行整合，得到新特征图；通过计算注意力图与新特征图两者的距离，根据距离大小输出相似度最高的车辆图片；本发明有效地解决了传统方法需要大量车辆图片来训练网络的问题，不仅增强了网络的泛化能力，还提高了网络的效率和车辆重识别的精确度。
-
公开(公告)号：CN113793400A
公开(公告)日：2021-12-14
申请号：CN202111073092.2
申请日：2021-09-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种气体浓度热力图的构建方法，其特征在于，所述方法包括：获取平面地图作为浓度热力地图的背景图；对平面地图进行定位实时获取当前位置坐标信息，并同时实时获取气体浓度数据；将气体浓度数据和坐标信息对齐得到带有位置信息的浓度信息；通过带有位置信息的浓度信息在地图上的对应位置生成不同程度和大小的二维高斯核；利用气体浓度数据附带的坐标点作为中心坐标点，将浓度数据乘以二维高斯核内的每个元素，填充到周围的坐标中；通过不同颜色标记不同浓度大小，形成一幅热力图，再与背景地图叠加起来生成一幅气体浓度热力地图。
-
Patent Agency Ranking
公开(公告)号：CN114792429B
公开(公告)日：2025-04-29
申请号：CN202210352997.1
申请日：2022-04-06
Applicant: 南京信息工程大学
IPC: G06V40/10 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于时空自适应和人体姿态估计的多视角摔倒检测方法、装置及存储介质，其包括：获取摄像头采集的视频流片段；通过轻量级卷积网络对视频序列进行预处理，得到全局特征图序列；对全局特征图序列中的每一幅全局特征图进行时空自适应处理，得到包含老人行为动作的图像块；利用人体姿态估计算法从图像块中得到人体关键点的位置坐标；根据人体关键点的位置坐标，利用阈值法判断不同视觉角度下图像块中的老人是否摔倒；当连续N帧图像块判断为老人摔倒时，生成报警信号。本发明能够在减少冗余计算降低模型的计算开销的同时保证老人摔倒检测的实时性和准确性。
-
公开(公告)号：CN116798004A
公开(公告)日：2023-09-22
申请号：CN202211100938.1
申请日：2022-09-09
Applicant: 南京信息工程大学
IPC: G06V20/54 , G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/082 , G06N3/0895
Abstract: 本发明公开了一种车辆重识别方法、系统、装置及存储介质，属于图像处理、计算机视觉和深度学习技术领域，方法包括：获取待识别图片和图库集；将待识别图片输入到训练好的学生网络中，从图库集中识别出与待识别图片中的车辆相似度最高的车辆图片；训练好的学生网络能够扩大网络的感受野范围和建立远距离特征间的相关性，有助于提取更加鲁棒性的特征，最后从图库集中识别出与待识别图片中的车辆相似度最高的车辆图片，识别准确度高。
-
公开(公告)号：CN113793400B
公开(公告)日：2023-05-09
申请号：CN202111073092.2
申请日：2021-09-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种气体浓度热力图的构建方法，其特征在于，所述方法包括：获取平面地图作为浓度热力地图的背景图；对平面地图进行定位实时获取当前位置坐标信息，并同时实时获取气体浓度数据；将气体浓度数据和坐标信息对齐得到带有位置信息的浓度信息；通过带有位置信息的浓度信息在地图上的对应位置生成不同程度和大小的二维高斯核；利用气体浓度数据附带的坐标点作为中心坐标点，将浓度数据乘以二维高斯核内的每个元素，填充到周围的坐标中；通过不同颜色标记不同浓度大小，形成一幅热力图，再与背景地图叠加起来生成一幅气体浓度热力地图。
-
公开(公告)号：CN115239982A
公开(公告)日：2022-10-25
申请号：CN202210830684.2
申请日：2022-07-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种视频遮挡车辆重识别的方法，所述方法包括：将车辆图像输入3D‑CNN主干网模型进行特征提取；通过自适应边缘传递图卷积层对提取的特征进行处理，输出xout特征，并对xout特征多层级联得到关系特征xA；将关系特征xA输入跨层级对齐层得到相似拓补特征；对相似拓补特征计算相似性，将计算的结果与预设的阈值比较，若大于阈值，则车辆图像是相同的，反之则不同；本发明提出了车辆遮挡的重识别方法，通过主干网络对不同对象进行特征提取，并利用图像对比拓补的方法，对目标遮挡部分获取拓补信息，联合处理对象的部分特征，提高了该模型的训练效率，有效地提高了车辆遮挡重识别的准确度。
-
公开(公告)号：CN114091510A
公开(公告)日：2022-02-25
申请号：CN202111090479.9
申请日：2021-09-17
Applicant: 南京信息工程大学
Abstract: 基于领域自适应的跨域车辆重识别方法。本发明公开了将图片输入预先训练好的三条Net网络模型中，对三条Net网络的参数进行加权平均得三条Mean‑Net网络模型；将源域图片输入Mean‑Net网络模型中输出的预测值标记为软伪标签；将目标域图片通过聚类算法得到硬伪标签；通过软伪标签和硬伪标签分别计算三条Net网络模型的软分类损失函数和硬分类损失函数；通过三条Net网络模型，即Net1，Net2和Net3，对应的软分类损失函数和硬分类损失函数构建循环平均学习框架；将车辆数据图片输入构建循环平均学习框架输出相同车辆图片。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.037 seconds)
