-
公开(公告)号：CN111639564A
公开(公告)日：2020-09-08
申请号：CN202010420705.4
申请日：2020-05-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多注意力异构网络的视频行人重识别方法，属于图像处理领域。方法包括：构造并训练多注意力异构网络；利用训练好的网络对已知行人ID的视频和待定行人ID的视频进行特征提取，根据两个特征之间的余弦距离判定行人ID。本发明在OSNet网络中引入了Soft注意力和非局部注意力，利用Soft注意力关注图像中的行人区域特征，利用非局部注意力对视频序列中时空特征的学习能力，改进视频序列的特征表示，提取出更加鲁棒和更具判别性的特征，提高识别的准确率。同时选取了特定帧的特征作为局部特征学习网络分支，在学习视频序列中行人全局特征的同时，加强了行人局部特征的学习，提升了网络在视频行人重识别上的性能。
-
公开(公告)号：CN111539370A
公开(公告)日：2020-08-14
申请号：CN202010369889.6
申请日：2020-04-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多注意力联合学习的图像行人重识别方法和系统，属于图像处理技术领域。本发明在ResNet50特征提取网络中引入了Soft注意力和高阶注意力，利用两种不同类型的注意力对特征提取的互补作用，改善了特征提取网络对于行人特征的学习能力，使得特征提取网络关注行人图像中更具有判别性的特征。为获得更精确的注意力特征，提出多级注意力损失函数，利用这种损失损失函数指导特征提取网络的训练学习，进一步改善特征提取网络对于行人特征的学习能力。在学习行人全局特征的同时，融合特征提取网络中的中级特征以及加强了对行人局部特征的学习，提升网络学习行人特征之间细微差别的能力，提升网络在图像行人重识别上的性能。
-
公开(公告)号：CN110852190B
公开(公告)日：2022-05-20
申请号：CN201911009347.1
申请日：2019-10-23
Applicant: 华中科技大学
IPC: G06V40/20 , G06V20/59 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种融合目标检测和手势识别的驾驶行为识别方法及系统，属于驾驶行为识别领域，包括：在模型训练步骤中，收集驾驶行为图片和视频，对其中与第一不良驾驶行为相关的目标进行标注，得到目标检测数据集，并筛选出包含与第二不良驾驶行为相关的手势的视频帧，得到手势识别数据集；构建基于神经网络的驾驶行为识别模型，用于对输入图像进行目标检测和手势识别并融合，完成驾驶行为识别；利用两个数据集进行模型训练，得到目标驾驶行为识别模型；在驾驶行为识别步骤中，利用目标驾驶行为识别模型对待识别的目标图片或者目标视频中的各视频帧进行驾驶行为识别，以判断是否存在不良驾驶行为。本发明能够提高驾驶行为识别的识别精度和实时性。
-
公开(公告)号：CN110321805A
公开(公告)日：2019-10-11
申请号：CN201910504061.4
申请日：2019-06-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于时序关系推理的动态表情识别方法，属于图像处理和机器视觉中的动态表情识别领域，所述方法包括：对表情图像序列进行多尺度时序稀疏采样，得到多个不同尺度的表情序列片段，并将所述表情序列片段进行数据增强后转换成固定大小；构建包括多尺度区域特征提取网络和时序关系推理模块的动态表情识别模型；将得到的表情序列片段输入动态识别模型中进行训练；将待识别的表情图像序列输入训练好的动态表情识别模型，得到动态表情识别结果。本发明的方法可以适应长时序输入，且能更好地提取脸部的局部区域特征，提高识别准确度；同时本发明方法在降低计算量的同时提高了模型性能。
-
公开(公告)号：CN112232241B
公开(公告)日：2022-03-25
申请号：CN202011130120.5
申请日：2020-10-22
Applicant: 华中科技大学
IPC: G06V40/10 , G06V20/52 , G06V10/774 , G06V10/762 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种行人重识别方法、装置、电子设备和可读存储介质，属于图像处理领域，所述方法包括：初始化原始网络模型的网络参数得到的更新网络模型包括特征分布对齐模块、聚类模块和噪声标签校正模块；利用源域样本和目标域样本对特征分布对齐模块进行训练得到对齐网络模型；基于对齐网络模型、目标域样本对聚类模块进行训练得到聚类结果及各个聚类结果对应的噪声标签；基于更新网络模型、目标域样本和各个噪声标签对噪声标签校正模块进行训练得到目标网络模型；利用目标网络模型对待查询图像进行行人重识别。经过特征层次对齐、迭代聚类提升噪声标签的准确性，并通过噪声校正过程提升噪声标签的精度，从而提高目标网络模型的识别准确性。
-
Patent Agency Ranking
公开(公告)号：CN110321805B
公开(公告)日：2021-08-10
申请号：CN201910504061.4
申请日：2019-06-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于时序关系推理的动态表情识别方法，属于图像处理和机器视觉中的动态表情识别领域，所述方法包括：对表情图像序列进行多尺度时序稀疏采样，得到多个不同尺度的表情序列片段，并将所述表情序列片段进行数据增强后转换成固定大小；构建包括多尺度区域特征提取网络和时序关系推理模块的动态表情识别模型；将得到的表情序列片段输入动态识别模型中进行训练；将待识别的表情图像序列输入训练好的动态表情识别模型，得到动态表情识别结果。本发明的方法可以适应长时序输入，且能更好地提取脸部的局部区域特征，提高识别准确度；同时本发明方法在降低计算量的同时提高了模型性能。
-
公开(公告)号：CN112232241A
公开(公告)日：2021-01-15
申请号：CN202011130120.5
申请日：2020-10-22
Applicant: 华中科技大学
Abstract: 本发明公开了一种行人重识别方法、装置、电子设备和可读存储介质，属于图像处理领域，所述方法包括：初始化原始网络模型的网络参数得到的更新网络模型包括特征分布对齐模块、聚类模块和噪声标签校正模块；利用源域样本和目标域样本对特征分布对齐模块进行训练得到对齐网络模型；基于对齐网络模型、目标域样本对聚类模块进行训练得到聚类结果及各个聚类结果对应的噪声标签；基于更新网络模型、目标域样本和各个噪声标签对噪声标签校正模块进行训练得到目标网络模型；利用目标网络模型对待查询图像进行行人重识别。经过特征层次对齐、迭代聚类提升噪声标签的准确性，并通过噪声校正过程提升噪声标签的精度，从而提高目标网络模型的识别准确性。
-
公开(公告)号：CN111639564B
公开(公告)日：2022-05-27
申请号：CN202010420705.4
申请日：2020-05-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多注意力异构网络的视频行人重识别方法，属于图像处理领域。方法包括：构造并训练多注意力异构网络；利用训练好的网络对已知行人ID的视频和待定行人ID的视频进行特征提取，根据两个特征之间的余弦距离判定行人ID。本发明在OSNet网络中引入了Soft注意力和非局部注意力，利用Soft注意力关注图像中的行人区域特征，利用非局部注意力对视频序列中时空特征的学习能力，改进视频序列的特征表示，提取出更加鲁棒和更具判别性的特征，提高识别的准确率。同时选取了特定帧的特征作为局部特征学习网络分支，在学习视频序列中行人全局特征的同时，加强了行人局部特征的学习，提升了网络在视频行人重识别上的性能。
-
公开(公告)号：CN111539370B
公开(公告)日：2022-03-15
申请号：CN202010369889.6
申请日：2020-04-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多注意力联合学习的图像行人重识别方法和系统，属于图像处理技术领域。本发明在ResNet50特征提取网络中引入了Soft注意力和高阶注意力，利用两种不同类型的注意力对特征提取的互补作用，改善了特征提取网络对于行人特征的学习能力，使得特征提取网络关注行人图像中更具有判别性的特征。为获得更精确的注意力特征，提出多级注意力损失函数，利用这种损失损失函数指导特征提取网络的训练学习，进一步改善特征提取网络对于行人特征的学习能力。在学习行人全局特征的同时，融合特征提取网络中的中级特征以及加强了对行人局部特征的学习，提升网络学习行人特征之间细微差别的能力，提升网络在图像行人重识别上的性能。
-
公开(公告)号：CN110852190A
公开(公告)日：2020-02-28
申请号：CN201911009347.1
申请日：2019-10-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种融合目标检测和手势识别的驾驶行为识别方法及系统，属于驾驶行为识别领域，包括：在模型训练步骤中，收集驾驶行为图片和视频，对其中与第一不良驾驶行为相关的目标进行标注，得到目标检测数据集，并筛选出包含与第二不良驾驶行为相关的手势的视频帧，得到手势识别数据集；构建基于神经网络的驾驶行为识别模型，用于对输入图像进行目标检测和手势识别并融合，完成驾驶行为识别；利用两个数据集进行模型训练，得到目标驾驶行为识别模型；在驾驶行为识别步骤中，利用目标驾驶行为识别模型对待识别的目标图片或者目标视频中的各视频帧进行驾驶行为识别，以判断是否存在不良驾驶行为。本发明能够提高驾驶行为识别的识别精度和实时性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.037 seconds)
