-
公开(公告)号：CN111723645B
公开(公告)日：2023-04-18
申请号：CN202010332673.2
申请日：2020-04-24
Applicant: 浙江大学
IPC: G06V40/10 , G06V20/40 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种用于同相机内有监督场景的多相机高精度行人重识别方法。在同一行人场景下采用多相机进行拍摄，选择基础网络模型并预训练后修改，采集获得待训练的行人图片集，建立针对各相机的行人记忆特征并初始化；基于已有的待训练的行人图片集，对基础网络模型进行同相机阶段的训练优化和监督；以训练后的行人记忆特征并结合采用聚类方法得到行人伪标签，用行人伪标签再对基础网络模型进行微调训练；对训练所得的基础网络模型进行跨相机行人重识别应用。本发明只需同个相机内图片标注场景下有效提高识别性能，达到与全监督场景下相当的重识别准确度，达到与全监督场景相当的行人重识别准确率。
-
公开(公告)号：CN107564025A
公开(公告)日：2018-01-09
申请号：CN201710676666.2
申请日：2017-08-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度神经网络的电力设备红外图像语义分割方法。采集电力设备红外图像，构成图像语义分割数据集并分为多部分，每个部分的图像数量相同，从图像语义分割数据集中选取一部分作增强预处理；处理获得语义分割结果图；比较后用交叉熵计算预测误差，然后使用随机梯度下降算法在基于DeepLab的深度卷积网络中对预测误差进行反向传播，更新基于DeepLab的深度卷积网络的网络参数值，迭代更新训练获得最终语义分割结果图，最后选择使用全连接的条件随机场进行后处理优化。本发明充分利用大量数据进行训练和学习出图像的本质特征，与以往的电力设备检测与分割方法相比，取得了更好的分割性能与结果。
-
Patent Agency Ranking
公开(公告)号：CN112784772B
公开(公告)日：2022-05-27
申请号：CN202110111355.8
申请日：2021-01-27
Applicant: 浙江大学
IPC: G06V40/10 , G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于对比学习的相机内有监督跨相机行人重识别方法。首先经过多相机拍摄采集，获得子图片集和待训练的行人图片集，独立地在每个相机下对图片所代表行人进行标注，不对跨相机行人进行标注。之后以每个相机下的每个行人作为一个节点构造行人图，基于行人图对跨相机行人进行关联，对待训练的行人图片集处理获得每个图片的伪标签；将待训练的行人图片集以小批次训练方式输入到参考网络模型中进行训练，使用渐进对比损失函数进行监督；重复小批次训练；重复进行多次训练周期的训练，将多次训练周期的训练过程分为两个阶段，对参考网络模型进行迭代优化，训练结束后，对训练所得的基础网络模型进行跨相机行人重识别应用。本发明方法在只需同个相机内标注的半监督场景下，可达到与全监督场景相当的重识别准确率。
-
公开(公告)号：CN111723645A
公开(公告)日：2020-09-29
申请号：CN202010332673.2
申请日：2020-04-24
Applicant: 浙江大学
Abstract: 本发明公开了一种用于同相机内有监督场景的多相机高精度行人重识别方法。在同一行人场景下采用多相机进行拍摄，选择基础网络模型并预训练后修改，采集获得待训练的行人图片集，建立针对各相机的行人记忆特征并初始化；基于已有的待训练的行人图片集，对基础网络模型进行同相机阶段的训练优化和监督；以训练后的行人记忆特征并结合采用聚类方法得到行人伪标签，用行人伪标签再对基础网络模型进行微调训练；对训练所得的基础网络模型进行跨相机行人重识别应用。本发明只需同个相机内图片标注场景下有效提高识别性能，达到与全监督场景下相当的重识别准确度，达到与全监督场景相当的行人重识别准确率。
-
公开(公告)号：CN112784772A
公开(公告)日：2021-05-11
申请号：CN202110111355.8
申请日：2021-01-27
Applicant: 浙江大学
Abstract: 本发明公开了一种基于对比学习的相机内有监督跨相机行人重识别方法。首先经过多相机拍摄采集，获得子图片集和待训练的行人图片集，独立地在每个相机下对图片所代表行人进行标注，不对跨相机行人进行标注。之后以每个相机下的每个行人作为一个节点构造行人图，基于行人图对跨相机行人进行关联，对待训练的行人图片集处理获得每个图片的伪标签；将待训练的行人图片集以小批次训练方式输入到参考网络模型中进行训练，使用渐进对比损失函数进行监督；重复小批次训练；重复进行多次训练周期的训练，将多次训练周期的训练过程分为两个阶段，对参考网络模型进行迭代优化，训练结束后，对训练所得的基础网络模型进行跨相机行人重识别应用。本发明方法在只需同个相机内标注的半监督场景下，可达到与全监督场景相当的重识别准确率。
-
公开(公告)号：CN107564025B
公开(公告)日：2020-05-29
申请号：CN201710676666.2
申请日：2017-08-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于深度神经网络的电力设备红外图像语义分割方法。采集电力设备红外图像，构成图像语义分割数据集并分为多部分，每个部分的图像数量相同，从图像语义分割数据集中选取一部分作增强预处理；处理获得语义分割结果图；比较后用交叉熵计算预测误差，然后使用随机梯度下降算法在基于DeepLab的深度卷积网络中对预测误差进行反向传播，更新基于DeepLab的深度卷积网络的网络参数值，迭代更新训练获得最终语义分割结果图，最后选择使用全连接的条件随机场进行后处理优化。本发明充分利用大量数据进行训练和学习出图像的本质特征，与以往的电力设备检测与分割方法相比，取得了更好的分割性能与结果。
-
公开(公告)号：CN106651834A
公开(公告)日：2017-05-10
申请号：CN201610915661.6
申请日：2016-10-20
Applicant: 国网山东省电力公司电力科学研究院 , 浙江大学 , 国家电网公司
CPC classification number: G06T7/0002 , G06K9/6269 , G06T2207/10048 , G06T2207/20081 , G06T2207/30168
Abstract: 本发明公开了一种无参考图像的变电设备红外热像图质量评价方法及装置，该方法包括：预设衡量图像质量的若干个指标，分别计算图像质量的各个指标相对应的质量评价特征，得到变电设备红外热像图的特征向量；获取变电设备红外热像图形成训练集，将训练集划分为至少两个质量等级；提取训练集中各个样本的特征向量并输入至支持向量机进行训练，得到具有质量分类体系的分类器模型；计算待评价变电设备红外热像图的特征向量并输入至分类器模型，最后输出待评价变电设备红外热像图相对应的质量等级。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
