-
公开(公告)号：CN116310850B
公开(公告)日：2023-08-15
申请号：CN202310597005.6
申请日：2023-05-25
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464
Abstract: 本申请涉及一种基于改进型RetinaNet的遥感图像目标检测方法。该方法包括：将待检测遥感图像输入特征提取模块进行特征提取，生成不同尺度的初步图像特征，再输入第一注意力模块进行权重信息分析，生成不同尺度的初步权重图像特征输入特征融合模块进行特征融合，生成不同尺度的融合特征，再将不同尺度的初步图像特征和不同尺度的融合特征输入特征增强模块，生成不同尺度的增强融合特征输入第二注意力模块进行权重信息分析，生成不同尺度的增强权重图像特征输入卷积模块进行处理，生成不同尺度的最终图像特征，将不同尺度的最终图像特征输入分类与回归模块进行目标检测，输出目标检测结果。提高了遥感图像的目标检测的精度。
-
公开(公告)号：CN113177487B
公开(公告)日：2023-07-18
申请号：CN202110490325.2
申请日：2021-05-06
Applicant: 南京信息工程大学
Inventor： 刘茜
IPC: G06V20/52 , G06V10/40 , G06V10/771 , G06V10/774 , G06V10/74 , G06N20/00
Abstract: 本申请涉及一种行人重识别方法、装置、计算机设备和存储介质。该方法包括：获取待比对摄像机拍摄的待识别行人图像；将待识别行人图像输入至待比对摄像机对应的识别模型进行识别，确定待识别行人图像中的行人类别，识别模型是预先基于半监督迁移字典学习的识别模型；根据待识别行人图像中的行人类别和目标行人类别，确定待比对摄像机中是否出现目标行人类别；在进行多个摄像机之间的迁移字典学习时，充分利用有标记训练样本监督地学习结构化的字典，充分利用无标记训练样本优化字典的稀疏表示性能，增强行人重识别能力，进而提高了行人重识别的准确度。
-
公开(公告)号：CN112906677A
公开(公告)日：2021-06-04
申请号：CN202110488919.X
申请日：2021-05-06
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于改进型SSD网络的行人目标检测与重识别方法，涉及目标检测与重识别技术领域，将目标场景下的视频集中的视频转换为有效视频帧图像序列，并对序列中的每一幅图像进行处理，构成视频数据集，构建与视频数据集对应的SSD网络，随后获得改进型SSD网络；分别针对各个改进型SSD网络，利用视频数据集中的有效视频帧图像对该改进型SSD网络进行训练，获得目标检测与重识别系统；利用目标检测与重识别系统，获得视频的目标检测与重识别结果。通过本发明的技术方案，实现了对行人目标的整体识别、以及局部识别，充分利用多尺度的全局和局部信息，有效提高目标检测和重识别的精确度，并减少整个检测识别过程所耗费的时间。
-
公开(公告)号：CN107392190B
公开(公告)日：2020-08-11
申请号：CN201710800074.7
申请日：2017-09-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于半监督多视图字典学习的彩色人脸识别方法，该方法将多视图学习技术应用于半监督彩色人脸图像的字典学习。在训练阶段，该方法通过分别学习各个彩色分量的结构化字典并令这些字典互相正交来去除各个彩色分量之间的相关性，充分利用各个彩色分量之间互补的色彩差异信息；并且该方法在字典学习过程中使用无类别标记的彩色人脸图像样本参与训练，充分利用所有训练样本信息。在分类测试阶段，该方法累计各个彩色分量用对应每一类训练样本的字典去重构测试样本的重构误差，最后将测试样本归为累计重构误差最小的那一类。本发明识别效果更高，通过半监督多视图字典学习，彩色人脸识别能力得到了明显增强。
-
公开(公告)号：CN110084163A
公开(公告)日：2019-08-02
申请号：CN201910313638.3
申请日：2019-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于多视图局部线性表示保留鉴别嵌入的人脸识别方法，属于人脸识别技术领域，该方法对每个彩色人脸图像训练样本，计算其到其他每个彩色人脸图像训练样本的距离，并选择K个最近邻的彩色人脸图像训练样本；对每个彩色分量图像训练样本，使用其K近邻的彩色分量图像训练样本来线性表示该样本，获得相应的线性表示系数；对所有彩色分量图像训练样本及其线性表示进行多视图的局部鉴别嵌入，获得最优线性投影向量；计算待识别样本特征到每一个训练样本特征的距离，将待识别样本归到距离最小的那个训练样本所在的类。本发明可以充分利用彩色人脸图像的色彩差异信息和不同色彩之间的互补信息，有效提高人脸识别的效果。
-
Patent Agency Ranking
公开(公告)号：CN110046583A
公开(公告)日：2019-07-23
申请号：CN201910314310.3
申请日：2019-04-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于半监督多视图增量字典学习的彩色人脸识别方法，属于人脸识别技术领域，充分利用了增量学习技术，将训练阶段又划分为两个子阶段：训练样本集和字典初始化阶段与训练样本集和字典更新阶段；在训练样本集和字典初始化阶段，采用与基于半监督多视图字典学习的彩色人脸识别方法相同的方式使用初始彩色人脸图像训练样本集进行字典学习，获得初始字典；在训练样本集和字典更新阶段，根据彩色人脸图像训练样本集的变化，对已经学习得到的字典做简单修改，然后再进行字典更新；与基于半监督多视图字典学习的彩色人脸识别方法相比，在彩色人脸图像训练样本集发生变化时，可以大大减少更新字典所耗费的训练时间。
-
-
公开(公告)号：CN107564017A
公开(公告)日：2018-01-09
申请号：CN201710754720.0
申请日：2017-08-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种城市高分遥感影像阴影检测及分割方法。对城市多波段遥感影像进行影像量化，然后基于卡方变换对量化后的遥感影像进行阴影检测和补偿，获得阴影补偿影像：对于获取的阴影补偿影像，计算多尺度J-image序列，并进行多尺度分割和区域合并，得到最终的遥感影像分割结果。本发明能够有效应对由于阴影导致的弱边缘及虚假边缘，而且分割精度显著提高的同时又具有良好的可靠性。
-
公开(公告)号：CN106446953A
公开(公告)日：2017-02-22
申请号：CN201610861196.2
申请日：2016-09-28
Applicant: 南京信息工程大学
Inventor： 刘茜
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 本发明公开了基于鉴别线性表示核字典学习的分类方法，该方法利用训练样本集识别测试样本所属的类别。在训练阶段，首先对训练样本集进行核映射，得到每一类训练样本的核矩阵，然后通过鉴别线性表示核字典学习得到对应每一类训练样本核矩阵的字典。在分类测试阶段，首先对测试样本进行核映射，得到测试样本的核矩阵，然后计算用对应每一类训练样本核矩阵的字典去重构测试样本的重构误差，最后将测试样本归为重构误差最小的字典所对应的那一类。本发明相较于现有技术有效提高了字典的分类能力，明显提高了分类精度。
-
公开(公告)号：CN103116758B
公开(公告)日：2016-03-30
申请号：CN201310039790.X
申请日：2013-02-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种彩色人脸识别方法，将鉴别分析技术同时应用到R、G、B三个彩色分量内部和三个彩色分量之间，在各个彩色分量内部和不同彩色分量之间实现基于欧式距离的特征层双重鉴别分析，获取的鉴别信息多，分类正确率高，识别能力强。本发明提供的基于RGB彩色特征双重鉴别分析的彩色人脸识别方法包括：首先获得训练样本集，定义训练样本集内部的类内特征散布矩阵和类间特征散布矩阵与各彩色分量训练样本集之间的类内特征散布矩阵和类间特征散布矩阵；定义目标函数并对目标函数求解，得到投影后的训练样本特征集；根据上述投影后的训练样本特征集，得出投影后的测试样本特征，计算测试样本特征到每个训练样本特征的欧式距离后将其归类。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.046 seconds)
