公开(公告)号：CN109871903B

公开(公告)日：2022-08-26

申请号：CN201910179602.0

申请日：2019-03-11

Applicant: 南京邮电大学

Inventor： 韩光 ,  周旺 ,  杨超

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/778 ,  G06V10/26 ,  G06V10/766

Abstract: 一种基于端到端深度网络与对抗学习的目标检测方法。以SSD为基础，利用低卷积层拥有小局部感知野的特点，通过逆卷积结构将低分辨率高语义信息特征图与高分辨率低语义信息特征图相融合，达到提升目标检测算法的平均精准度的目的。此外，通过RPN网络得到粗粒度的候选框信息，在基本特征层生成候选框之后添加一个二分类判别，然后再通过常规的回归支路进行进一步回归从而得到更加精确的检测框信息。同时针对于SSD算法对部分遮挡目标的检测效果不好问题，提出了通过在特征图上添加遮挡掩码(Mask)来实现特征的部分遮挡，以达到对抗学习的作用。

公开(公告)号：CN109886251A

公开(公告)日：2019-06-14

申请号：CN201910179621.3

申请日：2019-03-11

Applicant: 南京邮电大学

Inventor： 韩光 ,  杨超 ,  李晓飞 ,  周旺

IPC: G06K9/00 ,  G06F16/583 ,  G06F16/53

Abstract: 一种基于姿势引导对抗学习的端到端的行人再识别方法，具体包括以下步骤：步骤1，使用行人再识别数据集来训练图像编码器；步骤2，固定训练完成的图像编码器的参数部分，生成器根据编码器提取的输入图像的特征和目标姿势图来生成具有与输入图像相同身份且具有目标姿势的行人图像；步骤3，将身份判别器和姿势判别器整合到网络中，用身份判别器和姿势判别器来训练生成器以规范图像生成的过程；步骤4，端到端地优化整个网络模型；步骤5，提取待查询图像的特征，计算待查询图像与测试图像的特征向量之间的余弦距离来进行排名，从而得到待查询图像的识别结果。

公开(公告)号：CN109871903A

公开(公告)日：2019-06-11

申请号：CN201910179602.0

申请日：2019-03-11

Applicant: 南京邮电大学

Inventor： 韩光 ,  周旺 ,  杨超

IPC: G06K9/62

Abstract: 一种基于端到端深度网络与对抗学习的目标检测方法。以SSD为基础，利用低卷积层拥有小局部感知野的特点，通过逆卷积结构将低分辨率高语义信息特征图与高分辨率低语义信息特征图相融合，达到提升目标检测算法的平均精准度的目的。此外，通过RPN网络得到粗粒度的候选框信息，在基本特征层生成候选框之后添加一个二分类判别，然后再通过常规的回归支路进行进一步回归从而得到更加精确的检测框信息。同时针对于SSD算法对部分遮挡目标的检测效果不好问题，提出了通过在特征图上添加遮挡掩码(Mask)来实现特征的部分遮挡，以达到对抗学习的作用。