-
公开(公告)号：CN112395977A
公开(公告)日：2021-02-23
申请号：CN202011285583.9
申请日：2020-11-17
Applicant: 南京林业大学
Abstract: 一种基于身体轮廓和腿部关节骨架的哺乳动物姿态识别方法，步骤包括2个部分：第一部分，针对复杂野外环境下的野生哺乳动物图像利用Outline Mask R‑CNN进行边缘提取，获取动物外围轮廓；基于轮廓图，构建Tiny VGG轻型卷积神经网络，用于野生哺乳动物的姿态分类。第二部分，针对复杂野外环境下的野生哺乳动物视频序列，利用LEAP快速跟踪动物腿部关节点的位置，构成骨架图；以动物骨架图中的腿部关节夹角的变化为特征，以LSTM为分类器，用于野生哺乳动物的姿态分类。最后对这2部分模型得到的结果加以融合，进一步识别野生哺乳动物的不同姿态，以达到区分动物简单日常行为的目的，具有一定的应用前景。
-
公开(公告)号：CN114022392B
公开(公告)日：2025-03-25
申请号：CN202111373753.3
申请日：2021-11-19
Applicant: 南京林业大学
IPC: G06T5/73 , G06N3/0464 , G06T5/60 , G06N3/045
Abstract: 本发明提出了一种用于单幅图像去雾的串行注意增强UNet++去雾网络，它采用基于残差结构的两个剪枝的UNet++块的串行策略。与简单的编解码结构相比，UNet++模块能够更好地利用编码器提取的特征，促进不同分辨率的上下文信息融合。串行UNet++结构可以学习深层特征，同时保留浅层特征，以便更好地处理浓密的烟雾，生成更逼真的图像，同时减少颜色失真。此外，还引入了在空间域和通道域学习权重的注意力机制来处理不均匀分布的烟雾。实验在两个具有代表性的公共数据集上进行，即大规模合成数据集RESIDE和小规模真实数据集I‑HAZY、O‑HAZY。对于RESIDE合成数据集，所提出的方法可以实现最先进的性能，对于I‑HAZY和O‑HAZY真实世界数据集，所提出的方法大大超过了以前最先进的去雾方法。
-
公开(公告)号：CN114596632A
公开(公告)日：2022-06-07
申请号：CN202210204633.9
申请日：2022-03-02
Applicant: 南京林业大学
IPC: G06V40/20 , G06V20/40 , G06V10/77 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于架构搜索图卷积网络的中大型四足动物行为识别方法，步骤包括：首先基于动物骨架的行为特征的提取，针对复杂野外环境下的中大型四足动物视频图像，利用姿态估计算法DeepLabCut快速跟踪动物身体部位关节点的位置，构成时空骨架图，进而捕捉四足动物不同行为的时空特征。然后设计多个基于动物骨架的时空图卷积操作模块，构成基于图的搜索空间，其中融合了残差连接、瓶颈结构和多种注意力机制，提高识别模型性能的同时，使网络更加轻量化。接着，基于可微架构搜索策略实现搜索空间的连续化，以自动搜索用于中大型四足动物行为识别的低成本时空图卷积模型，最终实现区分动物日常行为的目的，具有一定的应用前景。
-
公开(公告)号：CN114596632B
公开(公告)日：2024-04-02
申请号：CN202210204633.9
申请日：2022-03-02
Applicant: 南京林业大学
IPC: G06V40/20 , G06V20/40 , G06V10/77 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084 , G06N3/048
Abstract: 一种基于架构搜索图卷积网络的中大型四足动物行为识别方法，步骤包括：首先基于动物骨架的行为特征的提取，针对复杂野外环境下的中大型四足动物视频图像，利用姿态估计算法DeepLabCut快速跟踪动物身体部位关节点的位置，构成时空骨架图，进而捕捉四足动物不同行为的时空特征。然后设计多个基于动物骨架的时空图卷积操作模块，构成基于图的搜索空间，其中融合了残差连接、瓶颈结构和多种注意力机制，提高识别模型性能的同时，使网络更加轻量化。接着，基于可微架构搜索策略实现搜索空间的连续化，以自动搜索用于中大型四足动物行为识别的低成本时空图卷积模型，最终实现区分动物日常行为的目的，具有一定的应用前景。
-
公开(公告)号：CN115797841B
公开(公告)日：2023-08-18
申请号：CN202211588021.0
申请日：2022-12-12
Applicant: 南京林业大学
IPC: G06V20/40 , G06V40/20 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/08
Abstract: 一种基于自适应时空图注意力Transformer网络的四足动物行为识别方法，步骤包括：1)采集四足动物视频图像，利用DeepLabCut标记关节点，生成骨架拓扑图；2)首先利用通道拓扑优化模块将关节连接的物理拓扑与潜在拓扑相结合生成Channel‑wise骨架拓扑，然后，通过Spatial‑Transfomer模块为Channel‑wise骨架拓扑分配不同的连接权重；3)运用多尺度时间卷积模块建模帧间拓扑相关性；4)通过全连接层和Softmax分类层，识别动物的追逐、休息、进食、警觉、漫步共5种日常行为。本发明中，空间维度的特征提取模块能够捕捉动物行为的关节点之间的所有可能连接方式，并分配不同的连接权重；时序维度的特征提取模块获取一个行为的连续帧的动物姿态的变化，从而提高动物行为识别的精度，具有较好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN115797841A
公开(公告)日：2023-03-14
申请号：CN202211588021.0
申请日：2022-12-12
Applicant: 南京林业大学
IPC: G06V20/40 , G06V40/20 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/047 , G06N3/08
Abstract: 一种基于自适应时空图注意力Transformer网络的四足动物行为识别方法，步骤包括：1)采集四足动物视频图像，利用DeepLabCut标记关节点，生成骨架拓扑图；2)首先利用通道拓扑优化模块将关节连接的物理拓扑与潜在拓扑相结合生成Channel‑wise骨架拓扑，然后，通过Spatial‑Transfomer模块为Channel‑wise骨架拓扑分配不同的连接权重；3)运用多尺度时间卷积模块建模帧间拓扑相关性；4)通过全连接层和Softmax分类层，识别动物的追逐、休息、进食、警觉、漫步共5种日常行为。本发明中，空间维度的特征提取模块能够捕捉动物行为的关节点之间的所有可能连接方式，并分配不同的连接权重；时序维度的特征提取模块获取一个行为的连续帧的动物姿态的变化，从而提高动物行为识别的精度，具有较好的应用前景。
-
公开(公告)号：CN112395977B
公开(公告)日：2024-08-23
申请号：CN202011285583.9
申请日：2020-11-17
Applicant: 南京林业大学
IPC: G06V40/10 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 一种基于身体轮廓和腿部关节骨架的哺乳动物姿态识别方法，步骤包括2个部分：第一部分，针对复杂野外环境下的野生哺乳动物图像利用Outline Mask R‑CNN进行边缘提取，获取动物外围轮廓；基于轮廓图，构建Tiny VGG轻型卷积神经网络，用于野生哺乳动物的姿态分类。第二部分，针对复杂野外环境下的野生哺乳动物视频序列，利用LEAP快速跟踪动物腿部关节点的位置，构成骨架图；以动物骨架图中的腿部关节夹角的变化为特征，以LSTM为分类器，用于野生哺乳动物的姿态分类。最后对这2部分模型得到的结果加以融合，进一步识别野生哺乳动物的不同姿态，以达到区分动物简单日常行为的目的，具有一定的应用前景。
-
公开(公告)号：CN109711345B
公开(公告)日：2023-06-13
申请号：CN201811616331.2
申请日：2018-12-27
Applicant: 南京林业大学
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/56
Abstract: 本发明提供了一种火焰图像识别方法、装置及其存储介质，涉及图像识别技术领域。该火焰图像识别方法包括：确定已采集图像中的疑似火焰区域；采用滤波器提取所述疑似火焰区域的纹理特征图像；基于局部二值模式提取所述纹理特征图像的局部二值特征；采用支持向量机SVM分类器，基于所述局部二值特征确定所述疑似火焰区域是否存在火焰。该方法通过纹理特征图像以及进一步的局部二值特征的提取，提高了火焰识别效率和准确率。
-
公开(公告)号：CN114022392A
公开(公告)日：2022-02-08
申请号：CN202111373753.3
申请日：2021-11-19
Applicant: 南京林业大学
Abstract: 本发明提出了一种用于单幅图像去雾的串行注意增强UNet++去雾网络，它采用基于残差结构的两个剪枝的UNet++块的串行策略。与简单的编解码结构相比，UNet++模块能够更好地利用编码器提取的特征，促进不同分辨率的上下文信息融合。串行UNet++结构可以学习深层特征，同时保留浅层特征，以便更好地处理浓密的烟雾，生成更逼真的图像，同时减少颜色失真。此外，还引入了在空间域和通道域学习权重的注意力机制来处理不均匀分布的烟雾。实验在两个具有代表性的公共数据集上进行，即大规模合成数据集RESIDE和小规模真实数据集I‑HAZY、O‑HAZY。对于RESIDE合成数据集，所提出的方法可以实现最先进的性能，对于I‑HAZY和O‑HAZY真实世界数据集，所提出的方法大大超过了以前最先进的去雾方法。
-
公开(公告)号：CN109711345A
公开(公告)日：2019-05-03
申请号：CN201811616331.2
申请日：2018-12-27
Applicant: 南京林业大学
Abstract: 本发明提供了一种火焰图像识别方法、装置及其存储介质，涉及图像识别技术领域。该火焰图像识别方法包括：确定已采集图像中的疑似火焰区域；采用滤波器提取所述疑似火焰区域的纹理特征图像；基于局部二值模式提取所述纹理特征图像的局部二值特征；采用支持向量机SVM分类器，基于所述局部二值特征确定所述疑似火焰区域是否存在火焰。该方法通过纹理特征图像以及进一步的局部二值特征的提取，提高了火焰识别效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
