-
公开(公告)号：CN117409032A
公开(公告)日：2024-01-16
申请号：CN202210793867.1
申请日：2022-07-07
Applicant: 富士通株式会社
Abstract: 本公开内容涉及用于多目标多摄像头跟踪的方法、装置及存储介质。根据本公开内容的一个实施例，该用于多目标多摄像头跟踪的方法包括：通过对多个摄像头中的每个摄像头提供的相应图像序列进行单摄像头多目标跟踪来确定总局部目标轨迹集；以及通过对总局部目标轨迹集进行多摄像头多目标匹配来确定针对多个摄像头的全局目标轨迹集；其中，确定全局目标轨迹集包括：通过对总局部目标轨迹集中的局部目标轨迹进行聚类确定聚类匹配全局轨迹集；通过对以聚类匹配全局轨迹集中的每个轨迹为顶点构造的有向图实施代价最小路径算法来确定代价最小路径集；以及基于代价最小路径集合并聚类匹配全局轨迹集中的相应轨迹。
-
公开(公告)号：CN113554042B
公开(公告)日：2024-11-08
申请号：CN202010271823.3
申请日：2020-04-08
Applicant: 富士通株式会社
IPC: G06V10/774 , G06N3/0464 , G06T7/60 , G06V10/80 , G06V10/82
Abstract: 公开了神经网络及其训练方法。该神经网络用于图像中的对象检测，并且包括骨干网络、特征网络和预测模块，特征网络包括第一模块和第二模块。骨干网络对图像进行处理以输出不同尺寸的N个第一特征。特征网络的第一模块基于尺寸最小的第一特征执行N‑1次反卷积，以输出不同尺寸的N个第二特征。特征网络的第二模块对N个第一特征执行合并以输出不同尺寸的N个第三特征。通过将N个第二特征与N个第三特征进行组合来生成不同尺寸的N个第四特征，对N个第四特征分别执行不同次数的卷积。预测模块基于N个第四特征进行预测并且计算第一损失，以及基于卷积后得到的特征进行预测并且计算第二损失。基于第一损失与第二损失的组合来训练该神经网络。
-
公开(公告)号：CN117710405A
公开(公告)日：2024-03-15
申请号：CN202211048484.8
申请日：2022-08-30
Applicant: 富士通株式会社
IPC: G06T7/246 , G06T7/73 , G06Q30/0283 , G06Q30/0601
Abstract: 本公开内容涉及处理目标轨迹的方法、装置及存储介质。根据本公开内容的一个实施例，该处理目标轨迹的方法包括：确定对应多个购物收据中的一个购物收据的收据数据组的候选顾客轨迹集；针对候选顾客轨迹集中的每条轨迹，统计在收据数据组指示的售出物品集中在位置上与该轨迹匹配的售出物品的数量作为该轨迹的第一位置匹配计数；针对候选顾客轨迹集中的每条轨迹，统计在售出物品集中在位置上与该轨迹的感兴趣轨迹点集中的感兴趣轨迹点匹配的售出物品的数量作为该轨迹的第二位置匹配计数；以及基于候选顾客轨迹集中的多条轨迹的第一位置匹配计数和第二位置匹配计数在候选顾客轨迹集中确定与收据数据组对应的顾客轨迹。
-
公开(公告)号：CN114764882A
公开(公告)日：2022-07-19
申请号：CN202110044743.9
申请日：2021-01-13
Applicant: 富士通株式会社
Abstract: 本公开内容涉及图像处理装置和图像处理方法以及计算机可读存储介质。该图像处理装置包括：检测单元，被配置成从图像中检测目标物体的位置和类别，其中目标物体的位置由在图像中包围目标物体的边框表示；以及调整单元，被配置成基于关于类别之间的关系的先验知识对位置和类别进行调整以获得目标物体的最终位置和最终类别，其中调整单元使用基于先验知识的图注意力网络模型对位置和类别进行调整。根据本公开内容的图像处理技术，可以提高图像中的目标检测的精度。
-
公开(公告)号：CN117474947A
公开(公告)日：2024-01-30
申请号：CN202210870624.3
申请日：2022-07-22
Applicant: 富士通株式会社
IPC: G06T7/246 , G06T7/73 , G06V10/44 , G06V10/764
Abstract: 公开了用于目标跟踪的方法、装置和存储介质。用于跨摄像头多目标跟踪的方法包括：针对多个摄像头中的每一个所拍摄的图像序列执行多目标跟踪，以提取在图像序列中出现的每个目标的轨迹片段；针对所提取的多个轨迹片段中的每一个提取特征；基于提取的特征计算多个轨迹片段中的任意两个轨迹片段之间的相似性，以建立相似性矩阵；基于相似性矩阵执行聚类，以使与每个目标潜在相关的轨迹片段聚类为一个集合；对集合内的多个轨迹片段以时间上从早到晚的顺序进行排序，以生成轨迹片段序列；基于轨迹片段之间的相似性、时间距离和空间距离中的至少一个，对集合内的多个轨迹片段进行筛选；使用经筛选的集合内的轨迹片段作为针对相应目标的跟踪信息。
-
Patent Agency Ranking
公开(公告)号：CN115222010A
公开(公告)日：2022-10-21
申请号：CN202110411394.X
申请日：2021-04-16
Applicant: 富士通株式会社
Abstract: 本申请公开一种信息处理装置、信息处理方法和预测设备。该信息处理装置包括：模型选择单元，被配置成基于多个深度神经网络模型的稳定性和精度指标变化趋势一致性中至少之一以及综合预测精度从多个深度神经网络模型中选择至少两个深度神经网络模型，以用于对待预测对象进行预测。综合预测精度通过至少两个精度指标表征。稳定性是指相应的深度神经网络模型在所述至少两个精度指标中的每个精度指标方面的稳定性。精度指标变化趋势一致性是指相应的深度神经网络模型的所述至少两个精度指标的变化趋势的一致性。
-
公开(公告)号：CN118781333A
公开(公告)日：2024-10-15
申请号：CN202310372794.3
申请日：2023-04-10
Applicant: 富士通株式会社
Abstract: 公开了检测被遮挡区域的方法和装置、以及存储介质。一种用于在视频中检测被遮挡区域的方法，包括：检测在视频中出现的多个目标；确定所述多个目标中的每个目标在所述视频的帧中的位置；提取所述多个目标中的每个目标的特征；针对所述帧中的每个像素，根据在所述像素附近的目标的特征之间的相似度，确定所述像素是否是被遮挡像素；基于所述帧中被确定为被遮挡像素的多个像素来生成被遮挡区域。
-
公开(公告)号：CN118587245A
公开(公告)日：2024-09-03
申请号：CN202310197320.X
申请日：2023-03-03
Applicant: 富士通株式会社
Abstract: 本公开涉及一种信息处理装置、信息处理方法和机器可读存储介质。信息处理装置包括：点对提取单元，其从来自第一摄像头的多个第一轨迹和来自第二摄像头的多个第二轨迹中，提取来自不同摄像头、属于同样对象并且时间点重合的位置点作为点对，其中，第一轨迹和第二轨迹包括一个或更多个对象中的特定对象在不同时间点处的多个位置点；以及交叉区域确定单元，其基于点对生成外接轮廓，作为第一摄像头和第二摄像头的交叉区域。该信息处理装置可以自动获取不同摄像头的交叉区域。
-
公开(公告)号：CN113924578A
公开(公告)日：2022-01-11
申请号：CN201980097238.1
申请日：2019-07-15
Applicant: 富士通株式会社
IPC: G06N3/04
Abstract: 公开了搜索神经网络架构的方法和装置。神经网络架构包括骨干网络和特征网络。该方法包括：a.构建针对骨干网络的第一搜索空间和针对特征网络的第二搜索空间；b.利用第一控制器在第一搜索空间中采样骨干网络模型，利用第二控制器在第二搜索空间中采样特征网络模型；c.通过将采样的骨干网络模型和特征网络模型的熵和概率进行相加来组合第一控制器和第二控制器，以获得联合控制器；d.利用联合控制器获得联合模型；e.评估联合模型并且根据评估结果更新联合模型的参数；f.确定更新的联合模型的验证精度并且根据验证精度来更新联合控制器；g.迭代地执行步骤d‑f，将达到预定验证精度的联合模型作为搜索到的神经网络架构。
-
公开(公告)号：CN112381079A
公开(公告)日：2021-02-19
申请号：CN201910689370.3
申请日：2019-07-29
Applicant: 富士通株式会社
Abstract: 本公开提供了图像处理方法和信息处理设备。图像处理方法包括：将包含文本的待处理图像输入到用于字符识别的卷积神经网络模型，以提取文本特征；将所提取的文本特征输入到与卷积神经网络模型连接的、用于语义识别的循环神经网络模型，以识别待处理图像中的文本，其中，卷积神经网络模型和循环神经网络模型是通过基于彼此连接的、具有待定层的初始卷积神经网络模型以及具有待定层的初始循环神经网络模型，在预定义的候选模型空间中针对每个待定层进行搜索并以端到端的方式对彼此连接的卷积神经网络模型和循环神经网络模型进行联合训练而获得的。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
