-
Patent Agency Ranking
公开(公告)号：CN110390292B
公开(公告)日：2022-03-04
申请号：CN201910647914.X
申请日：2019-07-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于动态关联模型的遥感视频车辆目标检测与跟踪方法，解决了跟踪精度低，稳定性差，算法不灵活的问题。实现步骤有：按帧截取图像，对首帧图像做动目标检测和创建存储空间储存目标；对后续帧图像，检测候选运动目标，从存储空间选历史目标估计位置并与候选运动目标匹配后更新历史目标状态并整理存储空间，存储新出现目标。本发明用道路掩膜滤除道路区域外的干扰，用动态关联灵活添加删除目标，用群体效应对消失运动目标状态估计优化，用轨迹优化法提高跟踪精度。仿真实验也证明本发明减少了计算量，提高跟踪精度和稳定性，用于车流监测，行驶路线分析，军事情报获取领域。
-
公开(公告)号：CN110689060B
公开(公告)日：2022-01-28
申请号：CN201910872306.9
申请日：2019-09-16
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/75 , G06K9/62
Abstract: 本发明公开了一种基于聚合特征差异学习网络的异源图像匹配方法，使用异源可见光‑近红外VIS‑NIR数据集，将Country子集作为训练样本集，Field、Forest、Indoor、Mountain、Oldbuilding、Street、Urban和Water子集作为测试样本集；数据预处理；设计聚合特征差异学习网络结构，包含双分支特征提取网络，特征差异聚合网络，两个度量网络；训练聚合特征差异学习网络，基于两个度量网络的输出分别计算两个大间隔余弦损失函数和，得到网络最终损失函数，联合优化整个网络；将测试样本集输入到聚合特征差异学习网络中，以度量网络输出的匹配标签作为最终的预测标签。本发明提高了学习效率和匹配精度，更可靠，鲁棒性更强，匹配精度更高。
-
公开(公告)号：CN110390292A
公开(公告)日：2019-10-29
申请号：CN201910647914.X
申请日：2019-07-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于动态关联模型的遥感视频车辆目标检测与跟踪方法，解决了跟踪精度低，稳定性差，算法不灵活的问题。实现步骤有：按帧截取图像，对首帧图像做动目标检测和创建存储空间储存目标；对后续帧图像，检测候选运动目标，从存储空间选历史目标估计位置并与候选运动目标匹配后更新历史目标状态并整理存储空间，存储新出现目标。本发明用道路掩膜滤除道路区域外的干扰，用动态关联灵活添加删除目标，用群体效应对消失运动目标状态估计优化，用轨迹优化法提高跟踪精度。仿真实验也证明本发明减少了计算量，提高跟踪精度和稳定性，用于车流监测，行驶路线分析，军事情报获取领域。
-
公开(公告)号：CN116798102A
公开(公告)日：2023-09-22
申请号：CN202310937737.5
申请日：2023-07-27
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种基于多阶段注意力相关性学习的跨域人脸生成方法，包括：将热成像人脸图像输入第一对抗网络模型中，基于构建的第一注意力相关性分析模块和第一通道‑空间注意力交叉连接融合模块，第一对抗网络模型生成可见光人脸图像；把可见光人脸图像和热成像人脸图像组成跨域图像对；将跨域图像对输入第二对抗网络模型，第二对抗网络模型对跨域图像初步跨域人脸特征融合；开启第一对抗网络模型和第二对抗网络模型的交替训练，基于构建的第二注意力相关性分析模块和第二通道‑空间注意力交叉连接融合模块，第二对抗网络模型生成跨域可见光人脸合成图像。解决了现有对抗网络模型忽略跨域人脸特征之间差异和联系造成人脸合成图像质量不高问题。
-
公开(公告)号：CN110689060A
公开(公告)日：2020-01-14
申请号：CN201910872306.9
申请日：2019-09-16
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于聚合特征差异学习网络的异源图像匹配方法，使用异源可见光-近红外VIS-NIR数据集，将Country子集作为训练样本集，Field、Forest、Indoor、Mountain、Oldbuilding、Street、Urban和Water子集作为测试样本集；数据预处理；设计聚合特征差异学习网络结构，包含双分支特征提取网络，特征差异聚合网络，两个度量网络；训练聚合特征差异学习网络，基于两个度量网络的输出分别计算两个大间隔余弦损失函数和，得到网络最终损失函数，联合优化整个网络；将测试样本集输入到聚合特征差异学习网络中，以度量网络输出的匹配标签作为最终的预测标签。本发明提高了学习效率和匹配精度，更可靠，鲁棒性更强，匹配精度更高。
-
-
-
-
Search Results
5
records
(took 0.031 seconds)
