-
公开(公告)号：CN116824640B
公开(公告)日：2023-12-01
申请号：CN202311087438.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06V40/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06V10/82 , G06V20/40
Abstract: 本发明涉及计算机视觉技术领域，公开一种基于MT与三维残差网络的腿部识别方法、系统、介质和设备，包括：获取腿部姿态视频并进行数据预处理得到腿部姿态图像，分为训练集和测试集；构建神经网络识别模型，识别模型的主干网络为三维残差网络，三维残差网络用于提取图像特征并输入到全连接层中，识别模型的全连接层中引入水平特征提取模块对提取到的图像特征进行局部特征提取；通过平均教师架构训练识别模型，平均教师架构包括学生模型和教师模型；将测试集输入训练完成的神经网络识别模型得到腿部姿态的识别结果。本发明可以在有限的数据样本下提高复杂环境下的腿部姿态识别精度、提高泛化能力。
-
公开(公告)号：CN116823891B
公开(公告)日：2023-11-17
申请号：CN202311087808.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/58 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，公开一种基于注意力和知识蒸馏的孪生高光谱图像跟踪方法和系统，包括：构建包括混合注意力机制和孪生网络的跟踪网络模型，获取现有数据集并训练跟踪网络模型，将训练完成的跟踪网络模型作为教师模型；获取待测物体的高光谱图像数据进行预处理并分为训练集和测试集，将跟踪网络模型作为学生模型，使用教师模型和训练集训练学生模型，将训练完成的学生模型作为预测模型；将训练集和测试集输入预测模型得到目标跟踪结果。本发明可以捕捉多尺度的重要信息、提高跟踪网络模型的准确性和鲁棒性。
-
公开(公告)号：CN116823891A
公开(公告)日：2023-09-29
申请号：CN202311087808.3
申请日：2023-08-28
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/58 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及图像处理技术领域，公开一种基于注意力和知识蒸馏的孪生高光谱图像跟踪方法和系统，包括：构建包括混合注意力机制和孪生网路的跟踪网络模型，获取现有数据集并训练跟踪网络模型，将训练完成的跟踪网络模型作为教师模型；获取待测物体的高光谱图像数据进行预处理并分为训练集和测试集，将跟踪网络模型作为学生模型，使用教师模型和训练集训练学生模型，将训练完成的学生模型作为预测模型；将训练集和测试集输入预测模型得到目标跟踪结果。本发明可以捕捉多尺度的重要信息、提高跟踪网络模型的准确性和鲁棒性。
-
公开(公告)号：CN112598708B
公开(公告)日：2024-11-05
申请号：CN202011558301.8
申请日：2020-12-25
Applicant: 江南大学
IPC: G06T7/246 , G06V10/764 , G06T5/50
Abstract: 本发明公开了一种基于四特征融合和权重系数的高光谱目标跟踪方法，属于图像处理技术领域。所述方法通过采用光谱降维后选定通道的高光谱图像序列和光谱降维后融合通道的高光谱图像序列，克服了现有技术中同时处理所有波段的高光谱视频，计算量大，实时性差的缺点，使得本发明提高了复杂背景下高光谱图像序列中目标跟踪的速度。进一步的，通过采用响应图融合的方式，权重系数更新、基样本更新的方法，有效的克服了复杂背景中杂波背景的干扰，克服了现有技术中容易受到目标遮挡和形变的影响，使估计出现误差，导致跟踪发生偏移或者失败的缺点，使得本发明增强了核相关滤波分类器的稳定性，能够有效对复杂背景下高光谱图像序列中的目标实现跟踪。
-
Patent Agency Ranking
公开(公告)号：CN117237984B
公开(公告)日：2024-06-21
申请号：CN202311115847.X
申请日：2023-08-31
Applicant: 江南大学
IPC: G06V40/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06V10/764 , G06V10/82 , G06V20/40
Abstract: 本发明涉及计算机视觉技术领域，公开一种基于标签一致性的MT腿部识别方法、系统、介质和设备，包括：获取腿部姿态视频并预处理得到腿部姿态图像，分为训练集和测试集；构建神经网络识别模型，主干网络为用于提取图像特征并输入到全连接层中的三维残差网络，全连接层中引入水平特征提取模块对提取到的图像特征进行局部特征提取；通过平均教师架构训练识别模型，平均教师架构包括学生模型和教师模型，通过输出系数矩阵评估教师模型在特征空间中是否与学生模型一致；将测试集输入训练完成的识别模型得到识别结果。本发明可以降低数据集中的标签存在不平衡或偏斜时的影响、在有限的数据样本下提高复杂环境下的腿部姿态识别精度、提高泛化能力。
-
公开(公告)号：CN117911697A
公开(公告)日：2024-04-19
申请号：CN202410077784.1
申请日：2024-01-18
Applicant: 江南大学
Abstract: 本发明涉及图像处理技术领域，公开一种基于大模型分割的高光谱目标跟踪方法、系统、介质和设备，包括：构建包括分割模型和孪生网络的跟踪网络模型，获取现有的高光谱视频数据进行预处理并训练跟踪网络模型得到教师模型；获取待测物体的高光谱视频数据进行预处理并分为训练集和测试集，将跟踪网络模型作为学生模型，使用教师模型和训练集训练学生模型得到预测模型，训练学生模型时将预处理后的图像输入分割模型进行目标和背景的分割，将分割结果与背景进行加权后输入孪生网路得到特征图，根据特征图进行目标跟踪。本发明可以有效区分目标和背景，提高目标跟踪的准确性。
-
公开(公告)号：CN116630373A
公开(公告)日：2023-08-22
申请号：CN202310886619.6
申请日：2023-07-19
Applicant: 江南大学
IPC: G06T7/246 , G06N3/096 , G06T7/73 , G06V10/764 , G06V10/766 , G06V10/80
Abstract: 本发明涉及图像处理技术领域，提供了一种基于风格重校准和改进孪生网络的红外弱小目标跟踪方法。本发明通过侧窗滤波对图像进行处理，针对红外弱小目标自身无形状和弱小的特点，侧窗滤波能够实现保边降噪的效果，同时因为小目标能量弱，成像显得格外弱小，容易被杂波背景淹没，侧窗滤波能够突出小目标。在特征提取后将特征图载入非线性增强的多次项优化的SRM模块，使模型能够对于不可见的风格重新校准，并且能够通过降低对图像检测的损失来提升检测的性能。孪生网络RPN在选择anchor时，简化其选择过程，固定其比例大小，不进行多尺寸抉择，在目标提取时更能够覆盖目标的关键区域，对目标的检测效率高，减小检测的误差，提高实时性。
-
公开(公告)号：CN213522089U
公开(公告)日：2021-06-22
申请号：CN202022993846.3
申请日：2020-12-14
Applicant: 江南大学
Abstract: 本实用新型公开了一种用于图像采集设备的除雾装置，包括支撑架，图像采集设备安装在所述支撑架上，该除雾装置还包括均设置在所述支撑架上的雾体带电结构和电场发生结构，所述雾体带电结构用于向所述图像采集设备周围空气中释放带电溶液，使得所述图像采集设备周围的雾体带电；所述电场发生结构用于产生电场，通过该电场转移带电雾体以去除所述图像采集设备周围的雾体。本实用新型的除雾装置，雾体带电结构向图像采集设备周围的空气中释放带电溶液，使得图像采集设备周围的雾体带电；电场发生结构产生电场，通过该电场转移带电雾体以去除所述图像采集设备周围的雾体，实现图像采集设备周围雾体的快速、有效去除，保证图像采集设备的正常使用。
-
公开(公告)号：CN215573382U
公开(公告)日：2022-01-18
申请号：CN202023075310.X
申请日：2020-12-18
Applicant: 江南大学
Abstract: 本实用新型公开了一种手持红外探测装置，包括壳体，所述壳体内相对的两端分别设有红外探测器和显示器，所述红外探测器电连接所述显示器；还包括与所述壳体连接为一体的握把，所述握把靠近所述显示器一侧设置；所述握把上位于其与所述壳体连接处的外侧设有启动按键，所述启动按键电连接所述红外探测器，所述启动按键外设有保护罩，所述保护罩连接在所述握把上，所述保护罩的一侧设有开口。本实用新型的手持红外探测装置，与壳体一体连接的握把上设有保护罩，控制红外探测器工作的启动按键被保护在所述保护罩内，使用时手指从保护罩一侧的开口伸入保护罩内触碰启动按键，通过该保护罩对启动按键做误触碰保护，避免误触碰启动按键的情况发生，延长单次充电或者电池的使用周期。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
