排序方式: 共有14条查询结果,搜索用时 31 毫秒
11.
目前行人重识别算法面临的主要问题包括背景过多、行人区域缺失及图片视角差异等。基 于行人区域中显著性特征之间存在着强相关性及行人区域与背景区域特征之间存在着弱相关性两方 面的观察,该研究提出一种基于特征点相关性的行人重识别方法。其中,通过采用一种基于视觉不 变性与弱检测的上下文信息处理模块,即 CIP(Contextual Information Processing)模块实现该方法。 由于具有强相关性的特征可能分布在不同的粒度之间,所以嵌入 CIP 模块的多粒度行人重识别方法 可以融合粒度之间的相关性信息。实验中,通过以第一配准率(Rank-1)和平均准确率为评价指标, 使用单数据集测试、跨数据集测试两种方法,在 4 个大型的行人重识别数据集上进行了充分的测试 实验,并利用两个可视化的方法——弱检测效果与行人区域中显著特征点的相关性效果,对 CIP 模 块的有效性进行验证。实验结果显示,目前主流的多粒度网络通过嵌入 CIP 模块,性能均有明显的 提升。 相似文献
12.
13.
传统的深度相机能够获取像素级配准的深度和彩色图像,但所获取的深度图像存在明显的像素缺失。针对这一问题,文章提出了一种快速深度图像补全算法,能够有效地填充像素缺失区域并保持锐利的深度图像边缘特征。首先,设计出一种边缘蒙版,通过边缘蒙版对联合双边滤波器进行改进。其次,与传统滤波器算法不同,由于滤波器本身存在的方向特性,文章采用不同方向模拟了真实场景的遮挡情况。通过设定4个滤波方向,用改进后的联合双边滤波器对孔洞深度图进行修补填充,然后再通过马尔科夫随机场模型,将4个不同方向滤波器获得的深度填充图融合成一幅图像。最后,通过不同场景的深度图像进行实验。结果表明,所提出的深度图像补全算法显著优于传统方法。 相似文献
14.
卷积神经网络被广泛应用于目标检测领域.该文提出一种新的无锚框二阶段目标检测算法:以CornerNet方法为基础,借助角点提取候选区域,并增加中心池化层来增强物体中心区域特征,通过判断中心关键点是否落在中心区域,可以过滤掉大量的误检候选框.随后,将保留的候选框送到多元分类器进行预测和回归,获取最终的检测结果.实验结果表明... 相似文献