-
公开(公告)号：CN116523800A
公开(公告)日：2023-08-01
申请号：CN202310796816.9
申请日：2023-07-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于残差密集网络与注意力机制的图像降噪模型及方法，属于人工智能技术领域，图像降噪模型包括：膨胀模块用以扩展原始噪声图像的图像通道，以获得比像素域更精细的图像特征；残差密集U型子网络用于获取不同分辨率的特征信息；双元素卷积通道注意力模块用于实现多尺度特征融合，降低低频信息损失，以得到理想的降噪效果；重构模块用于对扩展后的特征图像进行复原，使其重建为像素域图像。本发明通过残差密集子网络作为主干网络用来获取不同分辨率的特征信息，同时引入全局残差与局部残差、层归一化，防止梯度在反向传播过程中消失或爆炸，使网络训练更加稳定，最终使网络能够极大地减少特征图信息的丢失。
-
公开(公告)号：CN115731517A
公开(公告)日：2023-03-03
申请号：CN202211464101.5
申请日：2022-11-22
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于Crowd‑RetinaNet网络的拥挤人群检测方法，属于人工智能技术领域，对采集到的行人图像进行预处理，生成样本数据集；将样本数据集导入基于Crowd‑RetinaNet网络构建的拥挤人群检测模型中，对模型进行训练；拥挤人群检测模型检测模型包括目标识别模块和优化模块；采用目标识别模块识别导入样本中的行人，并对识别到的行人添加完整框和可见框；通过在完整框预测和训练中增加可见框V‑box辅助预测及训练，在不增加过多的模型参量的前提下，有效提高了模型精度，同时在特征提取模块中加入了通道‑空间注意力机制模块，不仅可以控制模型参数量，还使网络更好地提取场景中行人的特征，提升了模型的检测性能。
-
公开(公告)号：CN115731517B
公开(公告)日：2024-02-20
申请号：CN202211464101.5
申请日：2022-11-22
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于Crowd‑RetinaNet网络的拥挤人群检测方法，属于人工智能技术领域，对采集到的行人图像进行预处理，生成样本数据集；将样本数据集导入基于Crowd‑RetinaNet网络构建的拥挤人群检测模型中，对模型进行训练；拥挤人群检测模型检测模型包括目标识别模块和优化模块；采用目标识别模块识别导入样本中的行人，并对识别到的行人添加完整框和可见框；通过在完整框预测和训练中增加可见框V‑box辅助预测及训练，在不增加过多的模型参量的前提下，有效提高了模型精度，同时在特征提取模块中加入了通道‑空间注意力机制模块，不仅可以控制模型参数量，还使网络更好地提取场景中行人的特征，提升了模型的检测性能。
-
公开(公告)号：CN116523800B
公开(公告)日：2023-09-22
申请号：CN202310796816.9
申请日：2023-07-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于残差密集网络与注意力机制的图像降噪模型及方法，属于人工智能技术领域，图像降噪模型包括：膨胀模块用以扩展原始噪声图像的图像通道，以获得比像素域更精细的图像特征；残差密集U型子网络用于获取不同分辨率的特征信息；双元素卷积通道注意力模块用于实现多尺度特征融合，降低低频信息损失，以得到理想的降噪效果；重构模块用于对扩展后的特征图像进行复原，使其重建为像素域图像。本发明通过残差密集子网络作为主干网络用来获取不同分辨率的特征信息，同时引入全局残差与局部残差、层归一化，防止梯度在反向传播过程中消失或爆炸，使网络训练更加稳定，最终使网络能够极大地减少特征图信息的丢失。
-
-
-
Search Results
4
records
(took 0.014 seconds)
