-
公开(公告)号：CN118968006A
公开(公告)日：2024-11-15
申请号：CN202411125922.5
申请日：2024-08-16
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/22 , G06V20/13 , G06V20/17 , G06V10/42 , G06V10/44 , G06V10/75 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种跨视角图像的地理定位方法及系统，本发明使用全局特征交互与局部特征匹配的方式，解决了现有跨视角地理定位问题中特征提取不充分的问题，通过检索不同视角下的同一地理位置图像的操作，能够解决无GPS定位环境下的无人机导航问题；三维交互模块利用特征维度翻转的方法，从不同维度全面提取跨视角图像特征，解决现有跨视角地理地位问题中全局特征交互补充不充分的问题；所提出的局部特征感知模块取出特征图中特定区域的局部特征信息，将其与完整特征信息进行比对，从而获得所取区域的特征权重，解决了细粒度特征匹配问题。
-
公开(公告)号：CN116433972A
公开(公告)日：2023-07-14
申请号：CN202310336681.8
申请日：2023-03-31
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经架构搜索的跨尺度自适应目标检测方法、设备和介质，获取全场景数据集，并将全场景数据集划分成八个子类数据集；将实现各个检测任务的功能模块单元嵌入到已有的目标检测模型中，并利用对应的子类数据集和损失函数对嵌入后的目标检测模型进行训练，获得八个与子类数据集一一对应的最佳目标检测模型；对新输入的图像进行判断，将新输入的图像划归到某个子类数据集，根据子类数据集选取对应的最佳目标检测模型，输出目标检测结果。本发明能够避免由于场景数据分布变化而依靠单一固有检测网络造成的性能下降，解决神经架构搜索方法难以扩展至目标检测领域的不足，从而实现多场景、全尺度、高精度目标检测任务的达成。
-
公开(公告)号：CN114969404A
公开(公告)日：2022-08-30
申请号：CN202210354367.8
申请日：2022-04-06
Applicant: 中国人民解放军陆军工程大学
IPC: G06F16/53 , G06F16/55 , G06V10/762 , G06V20/70 , G06V10/774
Abstract: 本发明公开一种基于等量约束聚类的无监督图像哈希检索方法及系统，包括：将数据库图像输入哈希特征提取网络模型，得到数据库图像的二值化哈希码并构建哈希码数据库；将待检索图像输入训练获得的哈希特征提取网络模型，得到该待检索图像的哈希码，计算该待检索图像的哈希码与哈希码数据库中所有二值化哈希码的汉明距离，将汉明距离最小的数据库图像作为待检索图像的检索结果。本发明利用等量约束聚类对无标签训练图像进行聚类，有效避免K‑Means聚类算法面临的空聚类和聚类不平衡问题，提高硬伪标签标注精度；利用去噪的软伪标签监督哈希特征提取网络训练，充分利用软伪标签挖掘图像类间关系，避免硬伪标签造成的过拟合，提升哈希编码精度。
-
公开(公告)号：CN113856186B
公开(公告)日：2022-08-09
申请号：CN202111026072.X
申请日：2021-09-02
Applicant: 中国人民解放军陆军工程大学
IPC: A63B71/06 , A63B24/00 , A63B21/068
Abstract: 本发明公开了一种引体向上动作判定与计数的方法、系统及装置，所述方法包括：获取执行引体向上动作的待测人员的视频帧图像序列；根据获取到的视频帧图像序列，检测得到人体局部骨骼关键点；基于人体局部骨骼关键点对待测人员的动作状态进行判定，得到待测人员的动作状态序列；基于预先定义的动作类型和得到的动作状态序列，判定待测人员的动作类型为规范动作/非规范动作，响应于待测人员的动作类型进行计数，当判定引体向上动作为非规范动作时输出提示告警，当判定引体向上动作为规范动作时计数加一；结束测试时输出待测人员的计数结果。本发明基于连续的视频帧图像序列中人员动作序列状态进行计数，能够实现高效、实时、准确的计数。
-
公开(公告)号：CN114821163A
公开(公告)日：2022-07-29
申请号：CN202210384018.0
申请日：2022-04-13
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/40 , G06F16/53
Abstract: 本发明公开了一种多任务联合集成的小样本图像分类方法，包括：将待分类支撑集进行数据增广得到多组增广支撑集；将多组增广支撑集和待分类查询集输入预先训练得到的多任务联合集成网络，得到多组支撑集特征和查询集特征；利用多组支撑集特征计算类别中心，计算查询集特征与每组类别中心的欧式距离，得到多组相似性分数；采用非极大值抑制的方式处理相似性分数，并使用预先设定的融合方式集成所有相似性分数，得到最终的输出结果。本发明中多任务联合集成网络能够学习样本的多重属性，进一步提高了多任务联合集成网络学习的效果，提升了小样本图像分类任务的精度，能够更好地完成小样本图像分类任务。
-
Patent Agency Ranking
公开(公告)号：CN114676275A
公开(公告)日：2022-06-28
申请号：CN202210353971.9
申请日：2022-04-06
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了基于贪心非对称损失的深度有监督哈希检索方法及其系统，包括：输入待查询图像；待查询图像通过哈希特征提取网络进行深度特征提取，并利用深度哈希函数得到待查询图像哈希码；计算待查询图像哈希码与哈希码数据库中所有二值化哈希码之间的汉明距离，将汉明距离最小的二值化哈希码对应的数据库图像作为待查询图像的检索结果。训练哈希特征提取网络过程中，贪心非对称损失函数以非对称方式训练哈希特征提取网络，并使用交替优化策略迭代更新哈希特征提取网络的参数。本发明解决了现有基于卷积神经网络深度有监督哈希图像检索方法中训练数据利用不充分问题以及离散优化问题。
-
公开(公告)号：CN109087255B
公开(公告)日：2022-03-08
申请号：CN201810794951.9
申请日：2018-07-18
Applicant: 中国人民解放军陆军工程大学
IPC: G06T5/00
Abstract: 一种基于混合损失的轻量级深度图像去噪方法，包括如下步骤：获取无噪声图像，并利用计算机在无噪声图像上加入随机噪声，构建一个用于训练去噪网络的数据集，数据集中包含成对的有噪声和无噪声图像；构造一个轻量级的深度卷积神经网络，网络可以实现将输入的有噪声图像转换为无噪声图像；构造一个混合损失函数，混合损失函数包括图像的像素级恢复损失和PSNR损失，利用该混合损失函数训练深度卷积神经网络，获得深度图像去噪网络模型参数；模型学习完毕后，即可利用该网络输入有噪声图像，网络的输出即为去噪之后的图像。本发明实现了轻量级的深度图像去噪方法，在有限计算资源的移动设备和嵌入式设备中能够达到高质量的去噪效果。
-
公开(公告)号：CN113902948A
公开(公告)日：2022-01-07
申请号：CN202111175746.2
申请日：2021-10-09
Applicant: 中国人民解放军陆军工程大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于双分支网络的细粒度图像分类方法，包括：对待分类目标图像进行预处理；将预处理后的目标图像输入预先训练好的非最大值激活双分支网络，提取得到待分类目标图像特征；基于得到的待分类目标图像特征，采用分类器进行类别预测，得到待分类目标图像特征的类别预测结果；采用预设的融合方法融合类别预测结果，得到待分类目标图像的分类结果。本发明能够解决现有技术中卷积神经网络方法无法扩展至基于Transformer架构网络的细粒度图像分类任务的不足和注意力机制对目标特征提取不充分的问题。
-
公开(公告)号：CN113722529A
公开(公告)日：2021-11-30
申请号：CN202110958840.9
申请日：2021-08-20
Applicant: 中国人民解放军陆军工程大学
IPC: G06F16/583 , G06F16/55 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种无监督图像深度哈希检索方法及系统，包括：将待检索图像输入预先得到的哈希特征提取网络，得到该图像的哈希码；计算与哈希码数据库中图像的哈希码的汉明距离并排序，汉明距离越小检索排名越靠前，输出排名最靠前的图像作为检索结果。本发明能够解决现有基于卷积神经网络无监督深度哈希图像检索方法无法有效学习全局特征以及缺少注意力机制的问题。
-
公开(公告)号：CN113159115A
公开(公告)日：2021-07-23
申请号：CN202110262167.5
申请日：2021-03-10
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于神经架构搜索的车辆细粒度识别方法，包括利用预先确定的多路径网络对已获取的图像进行车辆细粒度识别，融合多路径网络输出的多个分类结果，得到最终识别结果；多路径网络的确定包括：获取源域车辆细粒度识别数据集和目标域车辆细粒度识别数据集；在源域车辆细粒度识别数据集，基于预设的损失函数搜索使预设的初始网络性能最优时网络架构单元的内部连接结构，得到最佳的网络架构单元；重复堆叠最佳的网络架构单元，得到未训练的多路径网络；基于目标域车辆细粒度识别数据集，采用预设的损失函数训练多路径网络的参数，得到训练完成的多路径网络。本发明能够解决神经架构搜索方法难以扩展至细粒度识别任务的不足。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.051 seconds)
