-
公开(公告)号：CN117994742A
公开(公告)日：2024-05-07
申请号：CN202410270413.5
申请日：2024-03-11
Applicant: 南京信息工程大学
IPC: G06V20/54 , G06V10/764 , G06V10/774 , G06V10/77 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了智能交通技术领域的一种船舶重识别方法、装置、介质及设备，旨在解决现有技术精确度有待提高的问题。包括：获取待重识别的船舶图像，输入到预先训练的船舶重识别模型中，得到船舶重识别结果；船舶重识别模型的训练包括：对源域图像进行特征提取，得到第一特征信息；对目标域图像进行风格迁移，得到具有源域图像风格的新目标域图像；对源域图像的标签噪声进行提纯处理，得到新源域图像，并训练得到初步船舶重识别模型；为新目标域图像分配伪标签，得到带一代伪标签的新目标域图像；对带伪标签新目标域图像进行伪标签提纯处理，得到带二代伪标签的新目标域图像，并训练初步船舶重识别模型，得到船舶重识别模型。
-
公开(公告)号：CN117975214A
公开(公告)日：2024-05-03
申请号：CN202410135104.7
申请日：2024-01-30
Applicant: 南京信息工程大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06V10/74
Abstract: 本发明公开了一种基于全局到局部渐进学习的少样本船舶重识别方法、装置、存储介质及计算设备，该方法整体三个阶段，第一阶段是将特征金字塔注意力模块和全局到局部渐进学习模块加入到骨干网ResNet50中，对少样本船舶图像进行特征提取；第二阶段加入空间改善注意力机制，将第一阶段提取的特征图进行空间特征提取并融合得到增强特征图，以及将增强特征图与原始骨干网的输出进行融合，得到融合特征；第三阶段为基于融合特征计算查询集图像和支持集图像的关系得分，进而输出标签得分，排序后选择最高得分作为船舶目标识别的输出结果。本发明有效地提高了船舶重识别的精确度，增强了网络的泛化能力。
-
公开(公告)号：CN118505911A
公开(公告)日：2024-08-16
申请号：CN202410355597.5
申请日：2024-03-27
Applicant: 南京信息工程大学
IPC: G06T17/05 , G06T5/50 , G06T5/60 , G06T7/246 , G06T7/269 , G06T5/70 , G06T5/20 , G06T5/90 , G06V10/26 , G06V20/70 , G06N3/006
Abstract: 本发明公开了一种室内场景重建方法、系统及存储介质，方法包括构建室内场景的点云地图；对预获取的RGBD图像进行实时实例分割，获得实例分割地图；将实例分割地图与点云地图进行融合，获得包含语义信息的高密度点云分割地图；采用粒子群优化算法对所述高密度点云分割地图进行舒适性调整，获得室内场景的重建图像。本申请通过对室内场景进行实例分割，将分割后的结果和初构建的地图进行融合解决室内环境暗及常规方法对噪声及异常值处理能力不足的问题，通过粒子群优化算法对融合后的高密度点云分割地图进行舒适性调整，提高了模型的可扩展性和鲁棒性，同时提高了重建后地图的精确度。
-
公开(公告)号：CN118196728A
公开(公告)日：2024-06-14
申请号：CN202410380774.5
申请日：2024-03-31
Applicant: 南京信息工程大学
IPC: G06V20/54 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种可见‑红外跨模态船舶重识别方法、装置及存储介质，所述方法包括对获取的可见光船舶图像、红外船舶图像进行特征提取，获取可见图像特征、红外图像特征；将可见图像特征、红外图像特征输入注意力模型，获得细化后的可见图像特征、红外图像特征；将细化后的可见图像特征、红外图像特征以及预先提取的环境天气信息输入动态权重生成模块，得到动态权重；通过生成的动态权重对可见图像特征、红外图像特征进行加权融合，得到融合特征，完成船舶重识别，本发明可以根据不同场景环境下可见光和红外图像的相对重要性，动态地调整特征融合中的权重，能够在不同环境天气条件下实现更为精准的船舶识别。
-
-
-
Search Results
4
records
(took 0.026 seconds)
