公开(公告)号：CN115205739B

公开(公告)日：2023-11-28

申请号：CN202210788338.2

申请日：2022-07-06

Applicant: 中山大学·深圳 ,  中山大学

Inventor： 金枝 ,  罗经周 ,  王晨曦 ,  伍鸿俊 ,  齐浩然 ,  黎以宁

IPC: G06V20/40 ,  G06V10/34 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种基于半监督学习的低光照视频行为识别方法及系统，方法包括：获取正常光照源视频和低光照源视频；分别进行像素级别域适应、弱增广和帧混合处理得到第一视频序列和第二视频序列；将第一视频序列和第二视频序列作为模型输入，使用真实标签来约束第一视频序列的模型预测结果；对正常光照源视频中提取的特征和低光照源视频中提取的特征进行特征级别域适应；对弱增广和帧混合处理后的视频序列的预测结果进行一致性训练，得到目标模型；将待识别视频序列输入目标模型，生成待识别视频序列对应的预测标签结果。本发明的识别准确率高，能够有效提升在正常光照视频与低光(56)对比文件M. Esat Kalfaoglu et al.Late TemporalModeling in 3D CNN Architectures withBERT for Action Recognition《.arXiv:2008.01232v3》.2020,第1-19页.

公开(公告)号：CN115205739A

公开(公告)日：2022-10-18

申请号：CN202210788338.2

申请日：2022-07-06

Applicant: 中山大学·深圳 ,  中山大学

Inventor： 金枝 ,  罗经周 ,  王晨曦 ,  伍鸿俊 ,  齐浩然 ,  黎以宁

IPC: G06V20/40 ,  G06V10/34 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种基于半监督学习的低光照视频行为识别方法及系统，方法包括：获取正常光照源视频和低光照源视频；分别进行像素级别域适应、弱增广和帧混合处理得到第一视频序列和第二视频序列；将第一视频序列和第二视频序列作为模型输入，使用真实标签来约束第一视频序列的模型预测结果；对正常光照源视频中提取的特征和低光照源视频中提取的特征进行特征级别域适应；对弱增广和帧混合处理后的视频序列的预测结果进行一致性训练，得到目标模型；将待识别视频序列输入目标模型，生成待识别视频序列对应的预测标签结果。本发明的识别准确率高，能够有效提升在正常光照视频与低光照视频之间的鲁棒泛化能力，可广泛应用于人工智能技术领域。

公开(公告)号：CN114693575A

公开(公告)日：2022-07-01

申请号：CN202210201298.7

申请日：2022-03-02

Applicant: 中山大学

Inventor： 金枝 ,  王雅恬 ,  罗经周 ,  郑均 ,  张靖宜

IPC: G06T5/50 ,  G06K9/62 ,  G06V10/80

Abstract: 本发明公开了一种道路监控图像增强方法、系统、计算机装置和存储介质，道路监控图像增强方法包括对原始图像的原始特征信息进行下采样处理，使用对偶注意力单元对所获得的第一特征信息进行过滤筛选，使用加权特征融合模块对第一特征信息对应的第二特征信息进行融合处理，再使用对偶注意力单元进行过滤筛选，获得第三特征信息，使用加权特征融合模块对各第三特征信息进行融合处理，对所获得的第四特征信息进行处理，获得增强图像等步骤。本发明道路监控图像增强方法所使用的模型具有模型体积小以及端到端等优点，能够融合超分辨率处理和弱光增强处理的效果，从而能够有效适应对道路监控图像进行的图像增强处理。本发明广泛应用于图像处理技术领域。