-
公开(公告)号：CN109508642A
公开(公告)日：2019-03-22
申请号：CN201811210888.6
申请日：2018-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于双向GRU和注意力机制的船舶监控视频关键帧提取方法，包括以下步骤：步骤S1:使用大量的海边船舶监控视频数据集训练双向GRU和注意力机制模型。步骤S2:使用经过训练的双向GRU和注意力机制模型对船舶监控视频进行关键帧提取，提供快速检索船舶的关键帧集合。采用本发明的技术方案，将关键帧提取应用到船舶监控视频中，剔除了大量冗余视频帧，提供船舶事件的高效检索和浏览,节约了视频存储的开销；同时，采用双向GRU和注意力机制对视频帧的前后关系进行建模，将时间信息融合进模型中，且每个时刻的信息给予不同的权重，即每个时刻给予不同的关注程度，得到更符合人类语义的关键帧集合。
-
公开(公告)号：CN108363771B
公开(公告)日：2020-05-01
申请号：CN201810128779.3
申请日：2018-02-08
Applicant: 杭州电子科技大学
IPC: G06F16/583
Abstract: 本发明公开了一种面向公安侦查应用的图像检索方法，提出将传统图像检索方法和深度学习检索方法相结合形成一种新的图像检索方法。首先用提取传统特征的图像检索方法对数据库图像进行筛选(“粗检索”)，然后采用深度学习的图像检索方法进行二次检索(“精检索”)。对图像数据库进行第一次检索采用传统方法提取图像特征方式，由于特征相对比较单一，提取特征的时候也不用加载网络，因此特征提取的时间相对会比较短。在基于改进深度网络模型上进行实现第二次检索能有效保证图像检索的准确率。将原本海量图像中的“大海捞针”问题转化为可实现的“桌面捞针”，提高了检索精度，减少了检索耗时，进而提高图像侦查的效率。
-
Patent Agency Ranking
公开(公告)号：CN109509214B
公开(公告)日：2021-07-16
申请号：CN201811198664.8
申请日：2018-10-15
Applicant: 杭州电子科技大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于深度学习的船舶目标跟踪方法，属于基于图像的目标跟踪领域。本发明可以在边海防，智能海洋监测系统，船舶态势估计等领域应用。步骤S1：使用自建船舶分类和检测数据集对深度网络进行训练和压缩，得到一个轻量化的船舶检测网络；步骤S2：使用经过训练的轻量化检测网络模型实时检测视频中的船舶目标并进行目标的跟踪。采用本发明的技术方案，将自建的船舶数据集进行训练，得到一个轻量化的检测网络，再结合改进的跟踪算法框架进行船舶目标的跟踪，实现了船舶目标的实时跟踪，整体方案具有设备依赖性低、跟踪稳定性高以及实时性强等特点。
-
公开(公告)号：CN108363771A
公开(公告)日：2018-08-03
申请号：CN201810128779.3
申请日：2018-02-08
Applicant: 杭州电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种面向公安侦查应用的图像检索方法，提出将传统图像检索方法和深度学习检索方法相结合形成一种新的图像检索方法。首先用提取传统特征的图像检索方法对数据库图像进行筛选(“粗检索”)，然后采用深度学习的图像检索方法进行二次检索(“精检索”)。对图像数据库进行第一次检索采用传统方法提取图像特征方式，由于特征相对比较单一，提取特征的时候也不用加载网络，因此特征提取的时间相对会比较短。在基于改进深度网络模型上进行实现第二次检索能有效保证图像检索的准确率。将原本海量图像中的“大海捞针”问题转化为可实现的“桌面捞针”，提高了检索精度，减少了检索耗时，进而提高图像侦查的效率。
-
公开(公告)号：CN108256634A
公开(公告)日：2018-07-06
申请号：CN201810128120.8
申请日：2018-02-08
Applicant: 杭州电子科技大学
IPC: G06N3/04
Abstract: 本发明公开了一种基于轻量级深度神经网络的船舶目标检测方法，包括以下步骤：步骤S1：设计并训练得到船舶目标检测的轻量级深度神经网络模型；步骤S2：将步骤S1中训练好的轻量级深度神经网络模型移植至嵌入式设备，通过摄像头实时采集船舶视频，通过训练好的模型来完成船舶目标检测。采用本发明的技术方案，利用全新的通道剪枝网络压缩技术，实现了基于轻量级深度神经网络的舰船目标检测技术，具有设备依赖性低、准确性高以及实时性强等优点。
-
公开(公告)号：CN109508642B
公开(公告)日：2021-08-17
申请号：CN201811210888.6
申请日：2018-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于双向GRU和注意力机制的船舶监控视频关键帧提取方法，包括以下步骤：步骤S1:使用大量的海边船舶监控视频数据集训练双向GRU和注意力机制模型。步骤S2:使用经过训练的双向GRU和注意力机制模型对船舶监控视频进行关键帧提取，提供快速检索船舶的关键帧集合。采用本发明的技术方案，将关键帧提取应用到船舶监控视频中，剔除了大量冗余视频帧，提供船舶事件的高效检索和浏览,节约了视频存储的开销；同时，采用双向GRU和注意力机制对视频帧的前后关系进行建模，将时间信息融合进模型中，且每个时刻的信息给予不同的权重，即每个时刻给予不同的关注程度，得到更符合人类语义的关键帧集合。
-
公开(公告)号：CN109509214A
公开(公告)日：2019-03-22
申请号：CN201811198664.8
申请日：2018-10-15
Applicant: 杭州电子科技大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于深度学习的船舶目标跟踪方法，属于基于图像的目标跟踪领域。本发明可以在边海防，智能海洋监测系统，船舶态势估计等领域应用。步骤S1：使用自建船舶分类和检测数据集对深度网络进行训练和压缩，得到一个轻量化的船舶检测网络；步骤S2：使用经过训练的轻量化检测网络模型实时检测视频中的船舶目标并进行目标的跟踪。采用本发明的技术方案，将自建的船舶数据集进行训练，得到一个轻量化的检测网络，再结合改进的跟踪算法框架进行船舶目标的跟踪，实现了船舶目标的实时跟踪，整体方案具有设备依赖性低、跟踪稳定性高以及实时性强等特点。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
