-
公开(公告)号:CN113837967A
公开(公告)日:2021-12-24
申请号:CN202111133584.6
申请日:2021-09-27
Applicant: 南京林业大学
Abstract: 一种基于稀疏误差约束表示的野生动物图像去噪方法,首先采用2D‑DCT变换对野生动物图像进行高低频分解,并对高频图像进行高斯多尺度变换;然后,分别构建基于正则化稀疏误差约束的高频图像和高频多尺度图的结构化字典,运用黎曼共轭梯度式极小化方法对包含有非凸但光滑的p范数的目标函数进行求解;在此基础上,引入PALM算法解决高频图像降噪模型中的非凸非光滑函数的极小化问题,并用PALM算法进行字典和稀疏系数的更新;最后,融合高频图像与低频图像生成降噪后的图像。本方法适于野外拍摄的动物图像的去噪,具有重要的研究意义和应用价值。
-
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:CN106643546B
公开(公告)日:2019-04-12
申请号:CN201610928248.3
申请日:2016-10-31
Applicant: 南京林业大学
IPC: G01B11/24
Abstract: 一种基于移动二维激光扫描的单木三维绿量测量方法,该方法采用移动二维激光扫描系统对单木进行若干个角度的扫描,获取树冠完整信息,利用移动轨迹直线方程、移动速度的信息建立激光扫描线参数方程,基于树冠体积即扫描线不可见区域这一准则,去除待测空间中激光扫描线穿透部分,保留未穿透部分,得到树冠体积模型,从而准确测量单木三维绿量。本发明利用移动二维激光扫描测量单木三维绿量,有效利用所有冠层表面点和内部点,体积模型精确度高;本发明无需人工筛选剔除点云,计算速度快。
-
公开(公告)号:CN106643546A
公开(公告)日:2017-05-10
申请号:CN201610928248.3
申请日:2016-10-31
Applicant: 南京林业大学
IPC: G01B11/24
CPC classification number: G01B11/24
Abstract: 一种基于移动二维激光扫描的单木三维绿量测量方法,该方法采用移动二维激光扫描系统对单木进行若干个角度的扫描,获取树冠完整信息,利用移动轨迹直线方程、移动速度的信息建立激光扫描线参数方程,基于树冠体积即扫描线不可见区域这一准则,去除待测空间中激光扫描线穿透部分,保留未穿透部分,得到树冠体积模型,从而准确测量单木三维绿量。本发明利用移动二维激光扫描测量单木三维绿量,有效利用所有冠层表面点和内部点,体积模型精确度高;本发明无需人工筛选剔除点云,计算速度快。
-
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:CN119540285A
公开(公告)日:2025-02-28
申请号:CN202411586714.5
申请日:2024-11-08
Applicant: 南京林业大学
IPC: G06T7/246 , G06V40/10 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 一种基于改进孪生网络的野生动物单目标跟踪方法,步骤包括:采集野生动物的视频序列;选择视频序列的初始帧作为模板图像,用当前帧更新模板图像,后续每一帧作为搜索分支的搜索图像;采用改进的孪生网络持续跟踪图像中目标动物,并获得图像中动物目标的跟踪定位框。改进的孪生网络包括:1)用SiamBAN作为基础框架,SiamBAN的ResNet50是孪生网络的骨干网络;2)在孪生网络的搜索分支的特征提取后加入了门注意机制模块,门注意机制包含三个独立的卷积层;3)模板特征和搜索特征通过互相关操作进行匹配,找到搜索图像中最相似的目标区域,确定目标在搜索图像中的位置;4)设计上下文学习模块,精确定位动物目标的位置。
-
公开(公告)号:CN119477986A
公开(公告)日:2025-02-18
申请号:CN202411588801.4
申请日:2024-11-08
Applicant: 南京林业大学
IPC: G06T7/246 , G06V40/10 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 一种基于改进的MOTR的野生动物多目标跟踪方法,步骤包括:1)利用卷积神经网络从采集到的鹿视频中提取不同分辨率的多尺度鹿特征;2)利用改进后的高效混合编码器对前述的多尺度特征进行特征融合,输出融合后的多尺度特征;3)将融合后的多尺度特征输入到基于先验知识的查询初始化模块,输出带有鹿初步位置信息的检测查询;4)检测查询与融合后的多尺度特征一起输入到解码器中,最后输出当前视频帧的预测结果。本发明采用改进的编码器代替MOTR原有的编码器,实现低计算量的同时提升小目标跟踪能力;初始化检测查询策略,减少复杂背景的影响,降低了漏检现象,并提高了模型应用于不同野外场景的泛化能力等。
-
公开(公告)号:CN115731579A
公开(公告)日:2023-03-03
申请号:CN202211520562.X
申请日:2022-11-30
Applicant: 南京林业大学
IPC: G06V40/10 , G06V10/80 , G06V10/764 , G06V10/82
Abstract: 一种基于交叉注意力Transformer网络的陆生动物个体识别方法,步骤包括:1)采集陆生动物的图片;2)利用Vision Transformer主干网络将动物图片拆分为N个彼此不重叠的带有位置编码的小图像块;2)引入交叉注意力模块CAB,替换ViT网络结构的自注意力模块,以便捕获动物身体的全局特征和局部特征;3)运用局部感知网络对提取的全局和局部特征进行融合;4)网络的分类层对融合后的特征进行分类预测,分辨出动物的个体身份ID。本发明中,交叉注意力模块提取了各个小图像块的局部特征,以及小图像块之间的全局相关性;局部感知网络有效地融合了全局特征和局部特征,更好地捕获了动物皮毛、脸部的颜色、纹理差异,提高了动物个体识别的准确率。
-
公开(公告)号:CN115690564A
公开(公告)日:2023-02-03
申请号:CN202211447233.7
申请日:2022-11-18
Applicant: 南京林业大学
IPC: G06V20/00 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/08 , G06N3/0464
Abstract: 一种基于Recursive BIFPN网络的室外火灾烟雾图像检测方法,先采集火灾烟雾图片,再使用火灾烟雾检测网络进行检测。检测步骤包括:利用YOLOV5的主干网络提取三个分辨率不同的多尺度特征图;构建的Recursive BIFPN注意力模型,利用Recursive BIFPN将主干网络提取出的三个不同分辨率的特征图进行两次特征融合和增强;用Swin Transformer探测头代替YOLOV5原有的探测头,用于火灾图像中不同大小的烟雾目标分类。本发明Recursive BIFPN有利于提高复杂背景下的火灾烟雾检测精度,并分辨出云、雾等干扰对象;基于Swin Transformer的探测头有利于检测图像中烟雾区域面积差异较大的不同烟雾目标,尤其是提高早期火灾或远距离拍摄导致的小烟的检测精度。
-
公开(公告)号:CN115171047A
公开(公告)日:2022-10-11
申请号:CN202210852895.6
申请日:2022-07-20
Applicant: 南京林业大学
Abstract: 一种基于轻量级长短距离注意力transformer网络的火灾图像检测方法,先采集火焰图片;再使用火焰检测网络进行检测,步骤包括:1)利用设计的轻量级特征提取主干网络处理输入待检测火焰图片,并输出提取到的三个不同分辨率的多尺度火焰特征;2)构建基于BiFPN的特征融合网络对前述多尺度火焰特征进行特征融合处理,并输出融合了三个不同分辨率层的融合特征;3)网络的分类层对前述融合特征进行分类预测,判断火焰的存在及其在图像中的位置。本发明中:轻量级的主干网络结构提高了检测速度;长短注意力机制的transformer提高了检测精度;特征融合机制BiFPN,提高了检测火灾图像中小目标火焰的能力,这提高了早期火灾和远距离拍摄的火灾图像的识别准确率。
-
-
-
-
-
-
-
-
-