首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于显著性区域检测的室外地点重识别方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南通大学

摘要:本发明提供了一种基于显著性区域检测的室外地点重识别方法,属于计算机视觉、深度学习技术领域。其技术方案为:包括以下步骤:步骤一、SE‑ResNet特征图的提取;步骤二、显著性区域的检测;步骤三、训练视觉词袋模型;步骤四、图像之间的相似度匹配。本发明的有益效果为:本发明通过深度学习特征构建的视觉词袋模型,把显著性区域的局部特征融合成全局特征,提高匹配的准确度。

主权项:1.一种基于显著性区域检测的室外地点重识别方法,其特征在于,包括以下步骤:步骤一、SE-ResNet特征图的提取在卷积神经网络中,卷积操作是在空间上把特征融合,或是通过多通道提取多尺度空间信息,SE-Net的关注通道之间的关系,使得模型自动学习到不同通道特征的重要程度,SE-Net嵌入到ResNet当中,在特征图的提取中,采用SE-ResNet模型对图像进行卷积操作,对输入图像I∈RW′×H′×3,在经过卷积操作后得到特征图F∈RW×H×C;步骤二、显著性区域的检测通过分析室外场景图像的特点,发现室外地点通过标志性建筑、或者路标来辨别两幅图像是否属于同一地点,通过卷积后得到的特征图F中,激活值高的区域是图像中特别显著的区域,为了适应各个显著性区域的大小不同,使用非零值的连通区域的检测方法确定显著性区域的位置;步骤三、训练视觉词袋模型普遍的视觉词袋模型是基于图像提取的SIFT特征训练得到,使用SE-ResNet的网络层生成特征描述符,保留卷积信息和局部特征,描述符的性能优于类似SIFT的探测器,特别是在SIFT包含许多异常值或无法匹配足够数量特征点的情况下;步骤四、图像之间的相似度匹配对于两幅图像Ia和Ib,通过上述步骤获得全局特征通过余弦相似度公式度量两个全局特征向量的距离;

全文数据:

权利要求:

百度查询: 南通大学 一种基于显著性区域检测的室外地点重识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。