公开(公告)号：CN116416550A

公开(公告)日：2023-07-11

申请号：CN202211669730.1

申请日：2022-12-25

Applicant: 电子科技大学

Inventor： 贾海涛 ,  张洋 ,  江雪婷 ,  张诗涵 ,  李玉琳 ,  许文波 ,  陈宗信 ,  刘博文

IPC: G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于图像增强和图像融合的联合检测跟踪方法。本发明结合传统的检测和跟踪的算法，两个任务共享特征提取网络。本发明在Resnet‑50骨干特征提取网络的基础上提出了图像增强模块，图像增强模块有效的解决了多目标跟踪中特征提取不充分的问题。本发明在Resnet‑50骨干特征提取网络和图像增强模块的基础上，提出了图像融合模块，有效的融合了图像的多尺度特征，改善了检测和跟踪对于特征深度要求不同的冲突。

公开(公告)号：CN113283444A

公开(公告)日：2021-08-20

申请号：CN202110340836.6

申请日：2021-03-30

Applicant: 电子科技大学

Inventor： 任利 ,  王磊 ,  陈宗信 ,  莫超杰 ,  贾宇明 ,  许文波

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络的异源图像迁移技术，属于图像生成技术领域。其具体步骤为：S1红外与可见光图像数据集的选取与制作；S2基于所提出生成对抗网络架构STVGAN，对网络模型循环训练。S3减少网络模型中总损失函数的值，得到训练好的生成器网络；S4通过训练好的生成器网络实现从红外图像到可见光图像的迁移。本发明是一种半监督学习的异源图像迁移算法，是半监督学习方法首次应用在异源图像迁移领域，相较于传统监督方法，仅需要部分配对的数据就可以达到更好的图像迁移效果。

公开(公告)号：CN113283444B

公开(公告)日：2022-07-15

申请号：CN202110340836.6

申请日：2021-03-30

Applicant: 电子科技大学

Inventor： 任利 ,  王磊 ,  陈宗信 ,  莫超杰 ,  贾宇明 ,  许文波

IPC: G06V10/44 ,  G06V10/77 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成对抗网络的异源图像迁移技术，属于图像生成技术领域。其具体步骤为：S1红外与可见光图像数据集的选取与制作；S2基于所提出生成对抗网络架构STVGAN，对网络模型循环训练。S3减少网络模型中总损失函数的值，得到训练好的生成器网络；S4通过训练好的生成器网络实现从红外图像到可见光图像的迁移。本发明是一种半监督学习的异源图像迁移算法，是半监督学习方法首次应用在异源图像迁移领域，相较于传统监督方法，仅需要部分配对的数据就可以达到更好的图像迁移效果。