专利交易市场

一种基于动态模板的密集连接孪生神经网络目标跟踪方法，包括以下步骤：1)提取输入模板帧和检测帧图像对特征：使用主干网络为DenseNet的孪生神经网络提取输入图像对特征；2)将特征图输入RPN网络，经过分类分支和回归分支得到多个proposals；筛选候选区域：使用余弦窗抑制和尺度惩罚筛选出最终的proposals；3)对模板分支和检测分支得到的proposals进行相似性度量，使用非极大抑制得到最终的bounding box，通过线性插值更新图像尺寸，得到在检测帧中目标最终的预测跟踪位置；4)使用置信度作为模板是否更新的评判依据，更新模板。本发明在处理视频序列中特定目标的跟踪取得了较好的效果。

一种基于孪生神经网络的基站标号轨迹分类方法，包括如下步骤：(1)对智能手机所连接基站的标号发生切换时进行数据采集，形成历史基站标号轨迹数据集；(2)基于word2vec算法将离散的基站标号转化为具有语义的向量；(3)基于孪生神经网络训练基站标号轨迹相似度模型，用以估计任意两条基站标号轨迹的相似度；(4)基于基站标号轨迹相似度模型对基站标号轨迹进行在线分类。该方法可运行在智能手机上，其优势在于：(1)无需使用GPS、WiFi等定位手段，避免了智能手机定位方式的局限性问题；(2)基于深度学习端到端的方式自动发现基站标号轨迹间的关联，解决了现有方法过于依赖领域知识的不足。

本发明公开了一种基于3D卷积孪生神经网络和模板更新的目标跟踪方法，首先训练神经网络，由给定的初始目标位置在视频序列的第一帧图片上截取并传入神经网络生成目标模板；对于当前跟踪任务进行到的时刻t对应的视频序列图片，以时刻t‑1所得到跟踪结果为中心截取出不同尺寸的搜索区域，再以目标模板为卷积核对搜索区域进行卷积运算得到响应图；计算出响应图的APCE参数，生成t+1时刻的响应图；计算响应图的APCE参数判断是否保留，最终得到整个视频的跟踪结果，生成视频序列中每一帧图片中目标的位置信息，完成跟踪任务。本发明解决了现有技术中存在的对于跟踪中物体外表形变鲁棒性较差的问题。

本发明属于计算机视觉领域，特别涉及一种基于孪生神经网络的行人跟踪方法，该行人跟踪方法包括以下步骤：视频输入；行人标记；获取行人时空组；建立并训练孪生神经网络，并保存训练好的孪生神经网络；获取行人短轨迹；获取行人长轨迹。采用该方法跟踪行人，有效提高了行人跟踪的准确率。

本发明公开了一种基于图像分割与孪生神经网络的遥感影像变化的检测方法，包括步骤：S1：根据收集的待处理影像及地表覆盖矢量、栅格文件构建训练样本库，所述训练样本库包含同一区域的多时影像数据以及地物变化的标签数据；S2：利用步骤S1构建的训练样本库中的多时影像数据和地物变化的标签数据对变化检测网络进行训练，学习高分辨遥感影像中不同地物的变化特征；S3：对提取出的变化检测结果进行后处理，去除变化区域的噪声与杂斑，对建筑物的轮廓进行规则化，得到最终的变化检测结果。通过构建了新的基于图像分割与孪生神经网络的遥感影像变化检测模型，用于高分辨遥感影像的变化检测，准确率高，可应用于复杂的场景的变化检测。

本发明公开了一种基于孪生神经网络的书法字骨架匹配方法及系统，获取待匹配的两张书法字图像；分别对两张书法字图像进行预处理后得到两张预处理图像；对两张预处理图像进行细化，得到两张书法字图像骨架；利用预先训练好的基于孪生神经网络的书法字骨架匹配模型对两张书法字图像骨架进行相似度判断，若相似度大于预先设定的阈值则判定为同一个书法字，若相似度不大于预先设定的阈值则判定为不同的书法字。优点：通过书法字骨架提取与孪生神经网络结合的策略，对两张图片上的书法字进行精准高效相似度匹配；有效区分每个汉字骨架的图像特征，在对海量书法字数据基于内容检索时，检索样本和被检索数据库中的数据进行匹配可以达到更快更精准的效果。

本发明公开了一种基于孪生神经网络的电磁信号辐射源的未知模式识别方法，涉及电磁信号辐射源识别技术领域。本发明针对多源多模型场景下的电磁信号辐射源闭集识别问题，利用孪生网络的距离判决，将某已知源未知模式的数据与多个已知源已知模式输入进孪生网络中，得到对应的多个距离，随后找出多个距离中每个已知源对应的最近的几个距离之和，并对每个已知源对应的距离之和相比较，找到最小的距离之和，随后判决为其对应的所属源，从而实现未知模式的有效判决。本发明在三源三模式、三源五模式、五源五模式下均能有效完成未知模式的识别任务，显著提高平均识别成功率。