公开(公告)号：CN118365676A

公开(公告)日：2024-07-19

申请号：CN202410506825.4

申请日：2024-04-25

Applicant: 西北工业大学

Inventor： 蒋晓悦 ,  陈声华 ,  王晓菡 ,  袁方正 ,  冯晓毅 ,  夏召强 ,  党思航

IPC: G06T7/246 ,  G06T5/90 ,  G06T5/60 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种自适应暗光增强的目标跟踪网路结构及目标跟踪方法，网络主要包括光照增强与目标跟踪两个模块，基于光照估计与颜色空间变化的光照补偿方法，同时也完成了对暗场景特征的自适应提升。在目标跟踪模块，主要采用了基于Transformer架构的网络，通过自注意力机制，可实现对目标的准确跟踪。相比于独立的光照增强模块，本发明针对跟踪任务进行图像特征的增强。网络结构简单，在提高性能的同时保持着目标跟踪任务实时性的要求。本文的跟踪器不仅在低光照场景下取得了较好的效果，而且维持了跟踪器在正常光照场景下的跟踪性能。相比于OSTrack算法，在UAVDark70数据集上，精确度提升了8.9％。

公开(公告)号：CN118365676B

公开(公告)日：2025-04-08

申请号：CN202410506825.4

申请日：2024-04-25

Applicant: 西北工业大学

Inventor： 蒋晓悦 ,  陈声华 ,  王晓菡 ,  袁方正 ,  冯晓毅 ,  夏召强 ,  党思航

IPC: G06T7/246 ,  G06T5/90 ,  G06T5/60 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种自适应暗光增强的目标跟踪网路结构及目标跟踪方法，网络主要包括光照增强与目标跟踪两个模块，基于光照估计与颜色空间变化的光照补偿方法，同时也完成了对暗场景特征的自适应提升。在目标跟踪模块，主要采用了基于Transformer架构的网络，通过自注意力机制，可实现对目标的准确跟踪。相比于独立的光照增强模块，本发明针对跟踪任务进行图像特征的增强。网络结构简单，在提高性能的同时保持着目标跟踪任务实时性的要求。本文的跟踪器不仅在低光照场景下取得了较好的效果，而且维持了跟踪器在正常光照场景下的跟踪性能。相比于OSTrack算法，在UAVDark70数据集上，精确度提升了8.9％。

公开(公告)号：CN118552584A

公开(公告)日：2024-08-27

申请号：CN202410506673.8

申请日：2024-04-25

Applicant: 西北工业大学

Inventor： 蒋晓悦 ,  陈声华 ,  王晓菡 ,  袁方正 ,  冯晓毅 ,  夏召强 ,  党思航

IPC: G06T7/246 ,  G06T7/269 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06V10/26 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明涉及一种基于光流补偿的目标跟踪网路结构及跟踪的方法，针对遮挡环境下的目标检测，提出基于局部感知的遮挡目标检测方法。具体地，在特征层面提出了局部感知模块，通过多个局部感知分支探索出多个局部区域并使用随机丢弃策略迫使其它分支学习突出特征中的重要局部信息。考虑到检测器可能会预测出多个候选检测框的问题，提出了查询更新模块。该模块利用目标的空间位置信息剔除过多的候选框，提升检测结果准确率。最后，CrowdHuman数据集下，本研究所提算法相比RT‑DETR的平均准确率指标提升0.7％，每幅图像假阳性率对数平均值实现了0.6％的增益，雅卡指数实现了1％的增益。

公开(公告)号：CN118628730A

公开(公告)日：2024-09-10

申请号：CN202410508220.9

申请日：2024-04-25

Applicant: 西北工业大学

Inventor： 蒋晓悦 ,  王晓菡 ,  陈声华 ,  袁方正 ,  冯晓毅 ,  夏召强 ,  党思航

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及一种基于局部感知的遮挡目标检测的网络及目标检测方法，在特征层面提出了局部感知模块，通过多个局部感知分支探索出多个局部区域并使用随机丢弃策略迫使其它分支学习突出特征中的重要局部信息。考虑到检测器可能会预测出多个候选检测框的问题，提出了查询更新模块。该模块利用目标的空间位置信息剔除过多的候选框，提升检测结果准确率。最后，CrowdHuman数据集下，本研究所提算法相比RT‑DETR的平均准确率指标提升0.7％，每幅图像假阳性率对数平均值实现了0.6％的增益，雅卡指数实现了1％的增益。

公开(公告)号：CN118379598A

公开(公告)日：2024-07-23

申请号：CN202410563842.1

申请日：2024-05-08

Applicant: 西北工业大学

Inventor： 蒋晓悦 ,  袁方正 ,  王晓菡 ,  陈声华 ,  夏召强 ,  冯晓毅 ,  党思航

IPC: G06V10/82 ,  G06V10/40 ,  G06V10/10

Abstract: 本发明涉及一种基于离散先验编码的本质图像提取网络及本质图像提取方法，首先，利用离散编码的方法构建离散码本，对本质特征进行建模编码，其中，为了解决离散码本建模编码特征信息不完善和无关离散元素干扰的问题，提出多尺度离散码本建模方案以及基于索引日志的离散元素筛选机制。其次，针对本质图像的解码重构过程，为了使得先验知识更好的指导相关特征的选择，提出了自注意力和交叉注意力迭代的注意力模块，对原始图像的相关特征不断进行增强和替换。在MPI数据集上，本文相比其他方法的最优结果的反射图重构均方误差降低了60.65％，在ShapeNet数据集上，本文相比其他方法的最优结果的结构不相似度误差降低49.11％。