-
公开(公告)号:CN118212267A
公开(公告)日:2024-06-18
申请号:CN202410415615.4
申请日:2024-04-08
Applicant: 江南大学
Abstract: 本发明涉及一种特征增强的红外高光谱视频目标跟踪方法、系统和介质。本发明涉及数字图像处理技术领域,所述方法包括:提取原高维红外高光谱图像的信息熵最大的三个波段,从而对原始图进行了降维处理。然后,提取红外特征融合进原图像以实现红外高光谱图像的特征增强,使用融合红外特征的高光谱图像提取HOG特征和深度特征根据DCF框架制作跟踪器,对跟踪过程实现特征级融合和决策级融合,最终实现高光谱目标跟踪,可对复杂背景下高光谱图像序列中的目标实现快速有效的跟踪。
-
公开(公告)号:CN119295754A
公开(公告)日:2025-01-10
申请号:CN202411525163.1
申请日:2024-10-30
Applicant: 江南大学
IPC: G06V10/26 , G06V10/74 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N5/04 , G06N3/09
Abstract: 本发明涉及计算机视觉领域,尤其涉及一种图像语义分割方法。本发明通过编码器提取每幅图像对应的特征图,将每幅图像作为节点,每个节点间建立连接关系,构建完全有向图;将完全有向图及所有特征图输入图神经网络,提取语义相似性特征向量;将每幅图像对应的特征图输入类内推理模块,提取每幅图像中每个类别的类别特征后,将其输入共现关系推理模块,提取每幅图像的共现特征向量;分别将语义相似性特征向量与每幅图像的共现特征向量进行拼接后,通过全连接层和Softmax激活函数计算自适应权重,根据自适应权重对拼接特征向量进行加权计算后,通过全连接层输出每幅图像的语义分割特征向量。本发明充分利用了图像中的上下文信息,提高了语义分割精度。
-
公开(公告)号:CN119204118A
公开(公告)日:2024-12-27
申请号:CN202411284626.X
申请日:2024-09-13
Applicant: 江南大学
IPC: G06N3/049 , G06N3/0464 , G06N3/042
Abstract: 本发明涉及一种基于序列分解的多元时间序列预测方法及系统,包括:对多元时间序列数据提取的局部时间特征和全局序列特征融合,获得融合特征序列;初始化节点嵌入矩阵,并对其进行内积计算,获得静态图矩阵;利用静态图矩阵对融合特征序列分解得到第一长期分量和第一短期分量;分别利用静态图矩阵对第一长期分量、利用动态图矩阵对第一短期分量进行图卷积,获得长期和短期的卷积分量;其中动态图矩阵利用静态图矩阵和引入差分数据获取;根据长期和短期的卷积分量,获得总分量,并将其与全局序列特征融合拼接,获得拼接序列;将融合特征序列和拼接序列融合,获得预测结果。本发明确保了序列间依赖关系分解的唯一性,减少了性能表现的不确定性。
-
-