排序方式: 共有28条查询结果,搜索用时 15 毫秒
1.
无监督跨域行人重识别旨在使有标签源域数据集上训练的模型适应目标域数据集。然而,基于聚类的无监督跨域行人重识别算法在网络特征学习过程中常因输入行人图片情况各异而产生噪声,从而影响聚类效果。针对这一问题,提出一种基于语义融合的域内相似性分组行人重识别网络,首先在Baseline网络的基础上添加语义融合层,依次从空间和通道2个方面对中间特征图进行相似特征的语义融合,从而提升网络的自适应感知能力。此外,通过充分利用域内相似性细粒度信息,进而提高网络对全局和局部特征的聚类精准度。通过在DukeMTMC-ReID、Market1501和MSMT17这3个公开数据集上进行实验,结果表明,所提算法的均值平均精度(m AP)和Rank识别准确率与近年无监督跨域行人重识别算法相比有显著提升。 相似文献
2.
3.
4.
5.
6.
7.
8.
为克服矿井车载摄像系统在视频采集过程中的图像抖动问题,提出了一种基于MIC-Harris角点特征的自适应运动补偿电子稳像算法。首先,提出MIC-Harris角点检测算法和由粗到精的匹配策略,实现序列中特征点的快速精确提取。然后根据矿井移动车载图像运动特点,构建运动参数估计模型,运用最小二乘法实现全局运动矢量的求解。最后,提出自适应相邻帧补偿方法,结合Kalman滤波实现补偿矢量的计算,在滤除高频随机抖动同时保留了车载摄像机低频主动运动,并克服了连续视频序列长时间稳像处理的帧间累积误差问题。实验仿真结果表明:本文提出的算法不仅融合了MIC运算速度快和Harris准确度高的优点,而且能够实现矿井车载摄像系统的长时间连续稳像处理,具有较好的稳像效果。 相似文献
9.
10.