-
公开(公告)号：CN114332490A
公开(公告)日：2022-04-12
申请号：CN202111414795.7
申请日：2021-11-25
Applicant: 河南大学
Abstract: 本发明公开了一种基于涂鸦监督的高分辨显著性目标检测方法，图像处理，将原始分辨率图像送入边缘结构保存分支来在较高分辨率下提取丰富的边缘细节特征；特征提取，将缩放的图像经过轻量级的MobileNet骨干网络来提取具有较大感受野的特征图，然后将不同尺度特征通过短连接的方式送到多尺度上下文融合模块得到多尺度特征；边缘提取，原始分辨率图像被送入边缘结构保持分支，使其在较高分辨率下提取显著目标的边缘特征；特征融合，两个分支的特征图分别通过1×1卷积和双线性插值扩张到相同的尺寸和维度来进行特征融合。解决了高分辨率图像处理问题，提高了分割结果的质量和减小了高分辨率图像引起的计算机内存消耗。
-
公开(公告)号：CN114241517A
公开(公告)日：2022-03-25
申请号：CN202111459943.7
申请日：2021-12-02
Applicant: 河南大学
Abstract: 本发明公开了基于图像生成和共享学习网络的跨模态行人重识别方法，步骤1：跨模态图像生成网络的构建，通过交换外观特征生成跨模态行人图像以实现模态级别对齐；步骤2：跨模态图像生成网络损失函数的设计；步骤3：双路径共享学习网络的构建，将跨模态图像生成网络生成的红外伪图像与真实红外图像组合成一对输入图像，在线输入到双路径共享学习网络进行训练,提取具有区分性的中层特征信息，实现特征级别对齐；步骤4：共享学习损失函数的设计。步骤5：损失函数的联合优化，将跨模态图像生成网络和双路径共享学习网络进行联合训练，以端到端的方式优化总目标。本发明使网络提取到更加具有区分性的行人特征，提升了跨模态行人重识别的性能。
-
公开(公告)号：CN114241517B
公开(公告)日：2024-02-27
申请号：CN202111459943.7
申请日：2021-12-02
Applicant: 河南大学
Abstract: 本发明公开了基于图像生成和共享学习网络的跨模态行人重识别方法，步骤1：跨模态图像生成网络的构建，通过交换外观特征生成跨模态行人图像以实现模态级别对齐；步骤2：跨模态图像生成网络损失函数的设计；步骤3：双路径共享学习网络的构建，将跨模态图像生成网络生成的红外伪图像与真实红外图像组合成一对输入图像，在线输入到双路径共享学习网络进行训练,提取具有区分性的中层特征信息，实现特征级别对齐；步骤4：共享学习损失函数的设计。步骤5：损失函数的联合优化，将跨模态图像生成网络和双路径共享学习网络进行联合训练，以端到端的方式优化总目标。本发明使网络提取到更加具有区分性的行人特征，提升了跨模态行人重识别的性能。
-
-
Search Results
3
records
(took 0.015 seconds)
