公开(公告)号：CN112395964A

公开(公告)日：2021-02-23

申请号：CN202011229245.3

申请日：2020-11-06

Applicant: 南通大学

Inventor： 张晓峰 ,  王梅 ,  陈哲 ,  欧垚君 ,  丁红 ,  叶竹文 ,  魏浩坤 ,  皇甫嘉琪 ,  许健

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于深度学习的能见度估计方法，包括以下步骤：步骤一：选用3D ResNet18卷积神经网络；步骤二：选用多层感知器进行融合；步骤三：将上述3D ResNet18卷积神经网络和多层感知器(MLP)模型进行融合和步骤四：在测试集上进行了模型的精度评估。本发明的有益效果为：本发明主要是将3D ResNet18卷积神经网络与多层感知器(MLP)结合起来进行基于深度学习的能见度估计，对视频数据进行特征向量提取，对提取的特征向量进行分类，实现分类估计，相比于传统方法中只选取少量视频、截取图像中的某些固有特征的局限性，它充分利用视频的连续信息，并添加多层感知器进行分类估计，提高了估计精度。

公开(公告)号：CN113988269A

公开(公告)日：2022-01-28

申请号：CN202111306476.4

申请日：2021-11-05

Applicant: 南通大学

Inventor： 张晓峰 ,  王梅 ,  欧垚君 ,  陈哲 ,  丁红 ,  叶竹文

IPC: G06N3/04 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种基于改进孪生网络的回环检测及优化方法，属于计算机视觉图像技术领域；解决了传统的BOW模型基于手工特征，构建字典，描述图像，判断相似，该方法具有局限性且计算量较大，实时性较差的技术问题。其技术方案为：包括以下步骤：步骤一、SEREsiamese网络架构候选机制：步骤二、3D‑Siamese网络架构校验机制：步骤三、损失函数。本发明的有益效果是：本发明是将2D及3D卷积神经网络与孪生网络进行融合，通过与fabmab方法以及其他网络的对比，本发明的方法均展示了较高的精确度及召回率，同时，由于将特征提取和相似度测量统一化，本发明节约了较fabmab近一半的时间得到回环帧，在提升回环精度的同时提高了实时性。