-
公开(公告)号：CN110717411A
公开(公告)日：2020-01-21
申请号：CN201910897768.6
申请日：2019-09-23
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于深层特征融合的行人重识别方法，提出了一种基于深层特征融合的行人重识别网络模型，从空间维度提升网络性能。首先，利用卷积层和池化层多次提取网络深层特征，使用融合后的深层特征作为行人图像的特征属性，融合后的特征具有更好的细粒度特征表达能力。其次，为提高模型的泛化能力，在深层融合特征后加入一个批量归一化层，同时采用标签平滑损失函数和三元组损失函数对模型进行联合训练，提高了模型的泛化能力。
-
公开(公告)号：CN112070116A
公开(公告)日：2020-12-11
申请号：CN202010776758.X
申请日：2020-08-05
Applicant: 湖北工业大学
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于支持向量机的艺术画作自动分类系统及方法，包括图像预处理模块、艺术画作分类模块，图像预处理模块用于对待分类的艺术画作进行预处理，得到预处理后的艺术画作；艺术画作分类模块采用三级SVM分类器；第一级分类器采用偏态分类树，用于根据预处理后的艺术画作分类出素描画、非素描画；第二级分类器采用偏态分类树，用于根据非素描画分类出水彩画、油画；第三级分类器采用正态树，用于根据油画得到油画派别。本发明解决了现有技术中无法对不同风格的艺术画作进行自动分类的问题，能够更好地实现不同风格的艺术画作分类。
-
公开(公告)号：CN111666843B
公开(公告)日：2023-04-28
申请号：CN202010451903.7
申请日：2020-05-25
Applicant: 湖北工业大学
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于全局特征和局部特征拼接的行人重识别方法，首先构建行人重识别网络；然后采用多损失函数策略对行人重识别网络分支有针对性的进行分开约束；接着采用多损失函数策略对行人重识别网络进行训练，通过对行人重识别网络结构的参数进行优化训练，得到训练好的行人重识别模型；最后在行人查询集中随机选取某个指定对象，将该对象的图像输入至训练好的行人重识别模型中，计算该指定对象和候选集中的每个对象的欧式距离，接着对计算得到的距离进行升序排序，从而获得行人重识别结果。本发明采用多损失函数策略对模型进行约束，通过对损失函数针对性的选择以提高模型的泛化能力。
-
公开(公告)号：CN111666843A
公开(公告)日：2020-09-15
申请号：CN202010451903.7
申请日：2020-05-25
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于全局特征和局部特征拼接的行人重识别方法，首先构建行人重识别网络；然后采用多损失函数策略对行人重识别网络分支有针对性的进行分开约束；接着采用多损失函数策略对行人重识别网络进行训练，通过对行人重识别网络结构的参数进行优化训练，得到训练好的行人重识别模型；最后在行人查询集中随机选取某个指定对象，将该对象的图像输入至训练好的行人重识别模型中，计算该指定对象和候选集中的每个对象的欧式距离，接着对计算得到的距离进行升序排序，从而获得行人重识别结果。本发明采用多损失函数策略对模型进行约束，通过对损失函数针对性的选择以提高模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN112163602A
公开(公告)日：2021-01-01
申请号：CN202010960423.3
申请日：2020-09-14
Applicant: 湖北工业大学
Abstract: 本发明属于深度学习与机器视觉技术领域，公开了一种基于深度神经网络的目标检测方法，包括获取目标检测对象图像集；对目标检测对象图像集进行预处理后得到数据集，根据数据集构建训练样本集；构建深度神经网络包括特征提取模块、特征融合模块、分类和回归模块；特征提取模块为结合d‑ResNet网络和eSENet模块的新的网络结构eSE‑dResNet；利用训练样本集进行深度神经网络的训练生成目标检测模型；将待检测对象图像输入至目标检测模型中得到目标检测结果。本发明解决了现有技术中目标检测的计算量大、耗时长、泛化能力差、识别精度低的问题，能够显著提高目标检测检测效果，能够适用于各种不良条件下的目标检测。
-
公开(公告)号：CN112070116B
公开(公告)日：2023-06-16
申请号：CN202010776758.X
申请日：2020-08-05
Applicant: 湖北工业大学
IPC: G06V10/764 , G06V10/56
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于支持向量机的艺术画作自动分类系统及方法，包括图像预处理模块、艺术画作分类模块，图像预处理模块用于对待分类的艺术画作进行预处理，得到预处理后的艺术画作；艺术画作分类模块采用三级SVM分类器；第一级分类器采用偏态分类树，用于根据预处理后的艺术画作分类出素描画、非素描画；第二级分类器采用偏态分类树，用于根据非素描画分类出水彩画、油画；第三级分类器采用正态树，用于根据油画得到油画派别。本发明解决了现有技术中无法对不同风格的艺术画作进行自动分类的问题，能够更好地实现不同风格的艺术画作分类。
-
公开(公告)号：CN109961051B
公开(公告)日：2022-11-15
申请号：CN201910243050.5
申请日：2019-03-28
Applicant: 湖北工业大学
IPC: G06V40/10 , G06V10/44 , G06V10/762
Abstract: 本发明公开了一种基于聚类和分块特征提取的行人重识别方法，(1)通过K‑means对图像进行聚类，将聚类的图像分别输入DCGAN网络中，分别生成图像，对原始训练集进行扩充；(2)在深度学习中，通过分块特征提取对真实数据和生成的没有标签的数据进行特征提取，同时采用发明的聚类标注平滑归一化损失函数(CLS)对数据标签化训练，测试时采用重排(Re‑ranking)进一步提升行人重识别效果。本发明联合了聚类标注平滑归一化损失函数以及分块特征提取方法，解决了行人重识别训练数据有限以及标签分配问题，同时通过分块的方式提取了图像的有效特征。
-
公开(公告)号：CN110796026A
公开(公告)日：2020-02-14
申请号：CN201910958532.9
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于全局特征拼接的行人重识别方法，从空间维度提升网络性能。首先利用SE-ResNeXt50网络作为骨干网络提取行人图像特征；然后把不同卷积层提取的特征进行拼接，使特征信息互补；最后将拼接后的特征再次进行卷积处理，获得高细粒度的特征；所引入的聚类损失函数不同于目前常用的三元组损失函数，并且首次将聚类损失函数和交叉熵损失函数联合训练模型；本发明的识别效果在Market1501数据集上，Rank-1、mAP两个评价指标分别达到了95.9％和94.6％，是目前识别效果较高的，并且网络结构简单，计算量小。
-
公开(公告)号：CN109961051A
公开(公告)日：2019-07-02
申请号：CN201910243050.5
申请日：2019-03-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于聚类和分块特征提取的行人重识别方法，(1)通过K‑means对图像进行聚类，将聚类的图像分别输入DCGAN网络中，分别生成图像，对原始训练集进行扩充；(2)在深度学习中，通过分块特征提取对真实数据和生成的没有标签的数据进行特征提取，同时采用发明的聚类标注平滑归一化损失函数(CLS)对数据标签化训练，测试时采用重排(Re‑ranking)进一步提升行人重识别效果。本发明联合了聚类标注平滑归一化损失函数以及分块特征提取方法，解决了行人重识别训练数据有限以及标签分配问题，同时通过分块的方式提取了图像的有效特征。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.025 seconds)
