-
公开(公告)号：CN114419732B
公开(公告)日：2025-03-28
申请号：CN202210036567.9
申请日：2022-01-11
Applicant: 江南大学
Abstract: 本发明公开了基于注意力机制优化的HRNet人体姿态识别方法，属于人体姿态识别，深度学习处理领域。所述方法首先在不同分辨率特征图跨通道融合过程中加入扩张卷积，在不产生额外的参数和计算量的情况下能够在不改变低分辨率特征图的尺寸下增加感受野，确保做出决策时没有忽略重要信息；其次提出新的特征融合的策略，通过引入通道注意力机制对不同分辨率的特征图进行加权融合，通过自适应地重新校准特征映射的另一个方向，以增强有意义的特征，同时抑制弱特征，加快了收敛速度，优化了人体姿态识别性能，并且在检测精度上有了进一步提升。
-
公开(公告)号：CN112164094B
公开(公告)日：2024-10-15
申请号：CN202011004976.8
申请日：2020-09-22
Applicant: 江南大学
IPC: G06T7/246 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于孪生网络的快速视频目标跟踪方法，属于模式识别和智能信息处理领域。该方法利用残差连接和通道注意力机制改进SiamFC孪生网络模型的模板分支，得到SiamRCCA模型，并设定相似性响应图的损失掩码Maskn×n，并在离线训练SiamRCCA模型时根据Maskn×n提高难分样本损失值的权重，增强了对相似语义目标的辨别力，解决了跟踪过程中目标形变、相似物体干扰等复杂情况下容易跟踪漂移或丢失的问题，且SiamRCCA模型为非对称结构，即残差连接和注意力模块均只应用于模板分支即对首帧目标的特征提取阶段，避免了在双分支网络中简单地增加网络层而影响跟踪速度，同时充分利用第一帧目标信息，提升了模型的跟踪精度。
-
公开(公告)号：CN117475182B
公开(公告)日：2024-06-04
申请号：CN202311177663.6
申请日：2023-09-13
Applicant: 江南大学
Abstract: 本申请公开了一种基于多特征聚合的立体匹配方法，涉及计算机视觉技术领域，该方法包括：对立体图像进行浅层特征提取得到浅层特征图，对立体图像进行深层特征提取得到深层特征图；对深层特征图进行多尺度语义特征提取以及多尺度语义特征聚合得到立体图像的语义特征；对浅层特征图进行多尺度纹理特征提取以及多尺度纹理特征聚合得到立体图像的纹理特征；聚合语义特征以及纹理特征，得到立体图像的图像特征；将立体图像对中立体图像的图像特征进行连接，得到初始代价体；对初始代价体进行多尺度特征聚合得到优化后的目标代价体；基于目标代价体进行视差估计，得到立体图像对之间的视差图。该方法有助于提高立体匹配的匹配精度。
-
公开(公告)号：CN117475182A
公开(公告)日：2024-01-30
申请号：CN202311177663.6
申请日：2023-09-13
Applicant: 江南大学
Abstract: 本申请公开了一种基于多特征聚合的立体匹配方法，涉及计算机视觉技术领域，该方法包括：对立体图像进行浅层特征提取得到浅层特征图，对立体图像进行深层特征提取得到深层特征图；对深层特征图进行多尺度语义特征提取以及多尺度语义特征聚合得到立体图像的语义特征；对浅层特征图进行多尺度纹理特征提取以及多尺度纹理特征聚合得到立体图像的纹理特征；聚合语义特征以及纹理特征，得到立体图像的图像特征；将立体图像对中立体图像的图像特征进行连接，得到初始代价体；对初始代价体进行多尺度特征聚合得到优化后的目标代价体；基于目标代价体进行视差估计，得到立体图像对之间的视差图。该方法有助于提高立体匹配的匹配精度。
-
公开(公告)号：CN112926800A
公开(公告)日：2021-06-08
申请号：CN202110330424.4
申请日：2021-03-19
Applicant: 江南大学
Abstract: 本发明公开了一种考虑复杂路网的物流配送区域划分方法，属于交通运输科技领域。所述方法通过在城市复杂路网上搭建反向k‑增长多尺度网络模型，并采用混合遗传‑集束搜索算法解决城市物流配送过程中配送效率低下的问题，实现城市物流配送区域划分。实现过程为：将城市物流配送区域进行网格化，并将现实城市的路网结构与物流配送网络进行结合，形成具有复杂路网的物流配送区域网络，然后建立反向k‑增长多尺度网络模型对物流配送网络进行初始网格划分和扩展划分，最后利用混合遗传‑集束搜索算法进行物流配送区域的优化划分。该方法能够对城市物流配送区域进行有效划分，有助于物流运营商降低运营成本，改善客户服务。
-
Patent Agency Ranking
公开(公告)号：CN112651995A
公开(公告)日：2021-04-13
申请号：CN202011516155.2
申请日：2020-12-21
Applicant: 江南大学
Abstract: 本发明公开了基于多功能聚合和跟踪模拟训练的在线多目标跟踪方法，属于计算机视觉技术领域。所述方法设计了一个聚合多个功能模块的网络结构，利用ECC与Kalman滤波器的融合模式作为运动模型，同时本申请采用了一种端对端的训练方法，利用目标的预测位置和真实位置扩充训练数据，最后，采用融合了目标历史外观信息的指标损失来训练网络中的外观提取模块。本发明方法能够提高各个功能模块之间的兼容性以及对于多目标跟踪任务的适应性，改善模型的身份保存能力，具有较好的在线多目标跟踪性能。
-
公开(公告)号：CN112541441A
公开(公告)日：2021-03-23
申请号：CN202011486143.X
申请日：2020-12-16
Applicant: 江南大学
Abstract: 本发明公开了一种融合相关滤波的GM‑PHD视频多目标跟踪方法，属于计算机视觉、模式识别和信息处理技术领域。所述方法采用相关滤波的思想，对目标进行跟踪，并加入图像信息的相交比判断，来对被遮挡的目标进行不更新目标模板和参数处理，从而减少目标模板的污染，减少误跟框，对于已经被遮挡的目标将会放入高斯混和概率假设密度滤波中进行位置预测更新操作，若后期目标重现将会重新关联上目标标签，从而减少碎片化的轨迹，弥补检测器漏检的缺点。最终通过在MOT17数据集上的结果证明，与目前有关GM‑PHD最好的跟踪算法GMPHDOGM17相比，多目标跟踪正确度MOTA指标上从原来的49.9提高至50.3。
-
公开(公告)号：CN112164094A
公开(公告)日：2021-01-01
申请号：CN202011004976.8
申请日：2020-09-22
Applicant: 江南大学
Abstract: 本发明公开了一种基于孪生网络的快速视频目标跟踪方法，属于模式识别和智能信息处理领域。该方法利用残差连接和通道注意力机制改进SiamFC孪生网络模型的模板分支，得到SiamRCCA模型，并设定相似性响应图的损失掩码Maskn×n，并在离线训练SiamRCCA模型时根据Maskn×n提高难分样本损失值的权重，增强了对相似语义目标的辨别力，解决了跟踪过程中目标形变、相似物体干扰等复杂情况下容易跟踪漂移或丢失的问题，且SiamRCCA模型为非对称结构，即残差连接和注意力模块均只应用于模板分支即对首帧目标的特征提取阶段，避免了在双分支网络中简单地增加网络层而影响跟踪速度，同时充分利用第一帧目标信息，提升了模型的跟踪精度。
-
公开(公告)号：CN109999314B
公开(公告)日：2020-08-04
申请号：CN201910401410.X
申请日：2019-05-15
Applicant: 江南大学
Abstract: 本发明公开了一种基于脑电波监测智能助眠系统及其睡眠耳机，属于智能助眠领域。本发明基于监测用户睡眠时的脑电波情况，采集脑电波信号，经过特定分类处理：以β波，α波，θ波，δ波四种特征波的能量比作为特征值，使用支持向量机增量学习，对用户睡眠阶段进行分期，在保证分类准确率的同时，尽量降低睡眠分期算法的时间复杂度。本发明智能助眠的睡眠耳机实现准确、有效的实现分期，针对不同用户的需求，可以设置耳机音乐类型、调节音量大小，从而使得用户的脑电波(EEG)进入深度睡眠期或者REM期，即进入最佳睡眠状态。
-
公开(公告)号：CN109886493A
公开(公告)日：2019-06-14
申请号：CN201910141974.4
申请日：2019-02-26
Applicant: 江南大学
Abstract: 本发明提供了一种基于改进多目标粒子群算法的物流系统设计方法，属于智能物流应用领域，主要解决同时处理物流系统的低搭建成本和高运输效率的问题。该方法首先将物流系统的搭建成本和运输效率描述成对应的目标函数以及对解决方案的形式进行数学描述；接着采用扩容的方法将目标函数值的上下限进行扩大，并根据此上下限搭建网格，计算粒子的网格坐标；然后采用双距离决策的方法挑选出引导粒子，并结合粒子群公式产生下一代的粒子群，筛选出最优解集保存；最后根据客户的需求，从最优解集中选择合适的物流系统。本发明方法设计的物流系统既能满足搭建成本低又能满足运输效率高的需求，具有很好的实际使用价值。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.025 seconds)
