-
公开(公告)号：CN117333387A
公开(公告)日：2024-01-02
申请号：CN202311274175.7
申请日：2023-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于频域感知及光照自适应的无监督低光图像增强方法，包括：通过基础特征编码器提取低光照图片的基础特征；通过光照特征编码器提取低光照图片的光照特征；通过频域特征提取模块将基础特征转为专注于细节纹理的频域特征；通过颜色直方图特征提取模块获取低光照图片的局部颜色特征；通过光照特征解码器学习光照信息分布；通过基础特征解码器恢复增强图片的细节纹理信息。本发明充分利用低光图像的空间基础特征和频域细节特征，同时使用自适应卷积机制学习不同区域的光照条件，有效提升了增强图片的视觉质量。
-
公开(公告)号：CN117237672A
公开(公告)日：2023-12-15
申请号：CN202311246691.9
申请日：2023-09-26
Applicant: 南京邮电大学
IPC: G06V10/62 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种动态融合目标跟踪方法，属于计算机视觉技术领域，方法包括：利用基于注意力机制的神经网络作为特征提取网络，构建单流目标跟踪模型；将目标模板和搜索区域输入至单流目标跟踪模型，由特征提取网络获取搜索区域特征图和融合token的关系信息，并利用融合token的关系信息对搜索区域进行上采样，将搜索区域特征图恢复至原有token数；将恢复至原有token数的搜索区域特征图输入至预测头，由预测头输出目标跟踪结果。该方法能够减少背景信息的干扰，提高目标跟踪的准确性和鲁棒性。
-
公开(公告)号：CN117333785A
公开(公告)日：2024-01-02
申请号：CN202311286112.3
申请日：2023-10-07
Applicant: 南京邮电大学
IPC: G06V20/17 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/045 , G06V10/80 , G06N3/048
Abstract: 本发明是一种基于轻量化和渐进式特征金字塔的无人机小目标检测方法，包括步骤1：通过参数更小、速度更快的轻量级主干网络Faster GhostNet提取输入的无人机图像特征；步骤2：利用渐进式多尺度特征融合的特征提取网络即渐进式特征金字塔处理主干网络Faster GhostNet输出的特征；步骤3：利用Cascade RCNN算法的三层级联检测器处理渐进式特征金字塔输出的特征图得到最终的检测结果和分类分数。本发明降低了算法的总体参数量，减少了冗余计算和内存访问，提高了无人机图像中小目标的检测效果，保证一定检测精度的同时提高了检测速度。
-
公开(公告)号：CN117333510A
公开(公告)日：2024-01-02
申请号：CN202311261782.X
申请日：2023-09-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种计算机视觉技术领域的基于多重背景噪声过滤的目标跟踪方法，旨在解决现有技术中跟踪器在大部分终端设备上无法实现，极大的限制了这些算法的落地应用，部分较小型的跟踪器虽然推理速度较快，但性能不佳，无法在速度和性能间做到良好平衡的问题。本发明一方面改善了视觉Transformer计算量过大的问题，加快了推理速度，另一方面减少了背景噪声的干扰，使跟踪模型的性能得到了显著提升；本发明在减少模型计算量，加快模型推理速度的同时，保证了模型性能的持续优异，做到了跟踪模型在速度和精度方面的良好平衡，进一步扩大了基于Transformer的跟踪模型在边缘终端上部署的可能性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
