-
公开(公告)号：CN118675117A
公开(公告)日：2024-09-20
申请号：CN202411171031.3
申请日：2024-08-26
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/24 , G06V10/80 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于增强特征空间对齐融合网络的人群计数方法，包括：获取人群图像数据集并进行数据预处理，将人群图像数据集划分成训练集、验证集和测试集，利用标注图产生人群密度图；构建增强特征空间对齐融合网络；利用训练集、验证集对增强特征空间对齐融合网络进行训练，获得最优网络模型；将测试集输入到最优网络模型，得到人群图像计数结果。本发明能够充分利用人群计数任务中特征图的空间信息进行特征增强和特征对齐，密度图质量更高，计数准确率更高。
-
公开(公告)号：CN116071709B
公开(公告)日：2023-06-16
申请号：CN202310333635.2
申请日：2023-03-31
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了图像处理领域的一种基于改进型VGG16网络的人群计数方法、系统及存储介质，方法包括：采集监控场景的实时人群图像；将实时人群图像输入至预训练后的人群计数网络模型，获得对实时人群图像的计数结果；所述人群计数网络模型包括：改进原始VGG16网络，去除最后三个全连接层；充分融合不同层级语义特征；并增加了多尺度膨胀卷积块，充分融合了多尺度信息；以及分类分支辅助完成计数任务；有效解决了拥挤环境下人头较小不易检测的问题，提高整体图像的计数准确性，同时可以直观地看到人群在图片中所在的位置。
-
公开(公告)号：CN115995002B
公开(公告)日：2023-06-16
申请号：CN202310293401.X
申请日：2023-03-24
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种网络构建方法，利用骨干网络、条形池化语义增强模块SPSEM和门控融合模块GFM，构建编码器模块；利用6个上下文指导模块CGM，构建解码器模块；将编码器模块的输出端与解码器模块的输入端连接，将解码器模块的输出端与拼接运算层的输入端连接，将拼接运算层的输出端与卷积层的输入端连接，将卷积层的输出端与上采样层的输入端连接，构成初始语义分割模型；利用样本数据训练初始语义分割模型，得到目标语义分割模型。本发明利用目标语义分割模型实现了对城市场景常见物体的语义分割，充分利用多尺度的全局以及局部信息和大感受野中更多的远程上下文信息，有效提高语义分割的精度。
-
-
公开(公告)号：CN105740885A
公开(公告)日：2016-07-06
申请号：CN201610049510.7
申请日：2016-01-25
Applicant: 南京信息工程大学
Inventor： 刘茜
IPC: G06K9/62
CPC classification number: G06K9/6277 , G06K9/6286
Abstract: 本发明公开了一种基于多核鉴别线性表示的分类方法，利用训练样本集识别测试样本所属类别。在训练阶段，首先定义多核组合后的训练样本集，然后计算多核组合系数，最后根据多个核映射函数和多核组合系数获得多核组合后的核映射函数和新的训练样本集，在该集合中，每个类别的训练样本构成新的子训练样本集。在分类识别阶段，首先根据多核组合后的核映射函数获得新的测试样本，然后计算新的测试样本在各个新的子训练样本集内的重构误差，将测试样本归为重构误差最小的新的子训练样本集所对应的那一类。本发明的识别效果相较于现有技术有明显提高。
-
Patent Agency Ranking
公开(公告)号：CN103116742A
公开(公告)日：2013-05-22
申请号：CN201310039886.6
申请日：2013-02-01
Applicant: 南京信息工程大学
Inventor： 刘茜
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相关性度量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彩色特征双重鉴别相关性分析的人脸识别方法包括：定义训练样本集内部的类内特征相关性矩阵和类间特征相关性矩阵与训练样本集之间的类内特征相关性矩阵和类间特征相关性矩阵；定义目标函数并求解，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训练样本特征的相关性后将其归到相关性最大的那个训练样本所在的类。
-
公开(公告)号：CN118675117B
公开(公告)日：2024-11-12
申请号：CN202411171031.3
申请日：2024-08-26
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/24 , G06V10/80 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于增强特征空间对齐融合网络的人群计数方法，包括：获取人群图像数据集并进行数据预处理，将人群图像数据集划分成训练集、验证集和测试集，利用标注图产生人群密度图；构建增强特征空间对齐融合网络；利用训练集、验证集对增强特征空间对齐融合网络进行训练，获得最优网络模型；将测试集输入到最优网络模型，得到人群图像计数结果。本发明能够充分利用人群计数任务中特征图的空间信息进行特征增强和特征对齐，密度图质量更高，计数准确率更高。
-
公开(公告)号：CN118644821A
公开(公告)日：2024-09-13
申请号：CN202411125494.6
申请日：2024-08-16
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/048
Abstract: 本申请涉及一种基于注意力特征融合与多列特征增强的人群计数方法。该方法包括：获取待识别人群图像，将待识别人群图像输入训练好的人群计数网络模型的概率图生成网络模块中进行处理，输出概率图，再将待识别人群图像和概率图输入训练好的人群计数网络模型的密度图回归网络模块中进行处理，输出密度图，密度图回归网络模块包括多列特征增强网络和双注意力特征融合网络；进而对密度图进行积分运算，获得待识别人群图像中的人群计数。由此，从而提高人群图像的计数准确性。
-
公开(公告)号：CN117036857A
公开(公告)日：2023-11-10
申请号：CN202311006936.0
申请日：2023-08-10
Applicant: 南京信息工程大学
Inventor： 刘茜
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双重复用和卷积连接网络的物体识别方法，利用卷积层、批归一化层和激活函数层构建第一卷积模块；利用最大池化层、初始复用单元、压缩复用单元、转换单元、批归一化层和激活函数层分别构建第二至第五卷积模块；利用第一至第五卷积模块、全局平均池化层和全连接层构建初始双重复用和卷积连接网络；利用样本数据训练初始双重复用和卷积连接网络，得到目标基于双重复用和卷积连接的网络。从而通过目标基于双重复用和卷积连接的网络实现了物体识别，通过双重复用增强特征的前向传播，缓解训练过程中的梯度消失问题，通过压缩复用单元内的特征复用和卷积连接减少了计算代价，提高了物体识别的精度。
-
公开(公告)号：CN117036806A
公开(公告)日：2023-11-10
申请号：CN202311003995.2
申请日：2023-08-10
Applicant: 南京信息工程大学
Inventor： 刘茜
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双重复用残差网络的物体识别方法，涉及计算机视觉技术领域，利用依次连接的卷积层、批归一化层和激活函数层构建第一卷积模块；利用最大池化层、特征复用残差单元分别构建第二至第五卷积模块；利用第一至第五卷积模块、残差复用路径、全局平均池化层和全连接层构建初始双重复用残差网络；利用样本数据训练初始双重复用残差网络，得到目标双重复用残差网络。从而通过目标双重复用残差网络实现了物体识别，通过残差学习缓解了训练过程中的梯度消失问题，通过双重复用增强了特征的前向传播，有效减少了计算代价，提高了物体识别的精度。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.041 seconds)
