-
公开(公告)号：CN110120064B
公开(公告)日：2023-06-20
申请号：CN201910392629.8
申请日：2019-05-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于互强化与多注意机制学习的深度相关目标跟踪算法，其步骤为：输入上一帧目标区域及下一帧的搜索区域；初始化特征提取器参数，经过均方误差损失通过梯度下降进行学习特征提取器的参数，将搜索区域通过特征提取器进行提取特征；计算特征的自相关性，通过岭回归封闭解学习到滤波器模板；下一帧通过上一帧推测出的目标位置确定搜索区域，通过设计好的特征提取器进行特征提取，计算目标区域和搜索区域特征的互相关；将其特征与滤波器模板进行相关操作，输出值中最大值就是目标跟踪的最新位置；每一帧都对目标滤波器模板进行学习更新。
-
公开(公告)号：CN110120064A
公开(公告)日：2019-08-13
申请号：CN201910392629.8
申请日：2019-05-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于互强化与多注意机制学习的深度相关目标跟踪算法，其步骤为：输入上一帧目标区域及下一帧的搜索区域；初始化特征提取器参数，经过均方误差损失通过梯度下降进行学习特征提取器的参数，将搜索区域通过特征提取器进行提取特征；计算特征的自相关性，通过岭回归封闭解学习到滤波器模板；下一帧通过上一帧推测出的目标位置确定搜索区域，通过设计好的特征提取器进行特征提取，计算目标区域和搜索区域特征的互相关；将其特征与滤波器模板进行相关操作，输出值中最大值就是目标跟踪的最新位置；每一帧都对目标滤波器模板进行学习更新。
-
公开(公告)号：CN110473144A
公开(公告)日：2019-11-19
申请号：CN201910725326.3
申请日：2019-08-07
Applicant: 南京信息工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于拉普拉斯金字塔网络的图像超分辨率重建方法，包括通过多张低分辨率图像依次对生成器网络和判别器网络进行优化，得到训练后的生成器网络；通过训练后的生成器网络，将待重建的低分辨率图像重建为高分辨率图像。其中，本发明的生成器网络采用拉普拉斯金字塔网络，以逐步上采样重建HR图像，从而可以更好地重建大尺度的图像；同时，本发明通过沿着通道轴连接高级和低级特征以学习残差图像，以提高泛化能力，使重建的图像在视觉上边缘更清晰，纹理更丰富。
-
Patent Agency Ranking
公开(公告)号：CN110148138A
公开(公告)日：2019-08-20
申请号：CN201910432731.6
申请日：2019-05-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于双重调制的视频目标分割方法，包括步骤一：将当前视频帧图像输入至调制好的分割网络中，输出当前视频帧图像中分割目标对应的特征图；步骤二：将分割网络输出的特征图输入至特征注意金字塔模块中得到分割目标对应的最终特征图，完成目标分割；所述特征注意金字塔模块借助于该输入的特征图的全局上下文表示，来学习得到输入的特征图的不同尺度信息，得到分割目标对应的最终特征图。
-
公开(公告)号：CN110473144B
公开(公告)日：2023-04-25
申请号：CN201910725326.3
申请日：2019-08-07
Applicant: 南京信息工程大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于拉普拉斯金字塔网络的图像超分辨率重建方法，包括通过多张低分辨率图像依次对生成器网络和判别器网络进行优化，得到训练后的生成器网络；通过训练后的生成器网络，将待重建的低分辨率图像重建为高分辨率图像。其中，本发明的生成器网络采用拉普拉斯金字塔网络，以逐步上采样重建HR图像，从而可以更好地重建大尺度的图像；同时，本发明通过沿着通道轴连接高级和低级特征以学习残差图像，以提高泛化能力，使重建的图像在视觉上边缘更清晰，纹理更丰富。
-
公开(公告)号：CN110163875A
公开(公告)日：2019-08-23
申请号：CN201910432719.5
申请日：2019-05-23
Applicant: 南京信息工程大学
IPC: G06T7/11
Abstract: 本发明公开了一种基于调制网络和特征注意金字塔的半监督视频目标分割方法，包括步骤一：将当前视频帧图像输入至分割网络中，得到当前视频帧图像中分割目标对应的特征图；步骤二：将当前视频帧图像中分割目标对应的特征图输入到特征注意金字塔模块中，得到最终的特征表示；所述特征注意金字塔模块对输入的特征图构造像素级注意；步骤三：在所述分割网络的倒数第二和倒数第三阶段的最后一层卷积的输出端和特征注意金字塔模块的输出端分别引入一个侧输出层，所述侧输出层分别对输入的特征图进行上采样得到与当前视频帧图像相同分辨率大小的特征图，将所有的侧输出层输出的特征图融合得到最终的分割结果。
-
公开(公告)号：CN110009657A
公开(公告)日：2019-07-12
申请号：CN201910256180.2
申请日：2019-04-01
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于金字塔网络调制的视频目标分割方法，其内容包括：首先，调制模块通过一次单向通道让模型适应分割目标的外观，具体来说，从给定目标的视觉信息和前一帧的空间信息中学习调制参数，以调节分割网络的中间层。其次，金字塔池化模块在分割网络的最后一层中融合不同区域的特征信息，以聚合全局上下文信息。最后，金字塔卷积模块利用层层连接的结构，以在底层尺度中融合高阶语义特征信息，从而得到目标分割图。本发明在调制网络的基础上融合全局信息和高层语义信息，解决了在相机运动，物体变形，实例之间的遮挡和杂乱背景的情况下难以分割特定目标的问题，显著地提高了分割的效率和精度。
-
公开(公告)号：CN208448599U
公开(公告)日：2019-02-01
申请号：CN201821101020.8
申请日：2018-07-11
Applicant: 南京信息工程大学
IPC: A63B71/06
Abstract: 本实用新型公开一种运动员运动状态实时检测系统，属于生命体征检测技术领域。包括体能检测设备、姿态检测设备、无线传输设备和监控中心，体能检测设备、姿态检测设备、与无线传输设备输入端连接，监控中心与无线传输设备经无线信号连接；体能检测设备包括佩戴在运动员手腕上的手环和运动背心，腕带里设有电子血压计，运动背心里设有温度传感器和心率表；姿态检测设备包括运动员佩戴的护膝、护腕和鞋袜，护膝护腕中设有关节压力传感器和肌肉压力传感器，鞋袜里设有检测运动员运动加速度的加速度传感器和脚底压力传感器；由监控中心处理、存储和显示运动员状态数据。具有可实时监测运动员身体状态、有利于保护运动员、方便实用等优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.038 seconds)
