CN105741316A - 基于深度学习和多尺度相关滤波的鲁棒目标跟踪方法 - Google Patents
基于深度学习和多尺度相关滤波的鲁棒目标跟踪方法 Download PDFInfo
- Publication number
- CN105741316A CN105741316A CN201610037060.XA CN201610037060A CN105741316A CN 105741316 A CN105741316 A CN 105741316A CN 201610037060 A CN201610037060 A CN 201610037060A CN 105741316 A CN105741316 A CN 105741316A
- Authority
- CN
- China
- Prior art keywords
- scale
- target
- region
- search
- characteristic pattern
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000001914 filtration Methods 0.000 title claims abstract description 16
- 238000013135 deep learning Methods 0.000 title abstract 2
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 26
- 239000000284 extract Substances 0.000 claims description 18
- 230000002146 bilateral effect Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 230000021615 conjugation Effects 0.000 claims description 6
- 238000000205 computational method Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Image Analysis (AREA)
Abstract
Description
Claims (2)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610037060.XA CN105741316B (zh) | 2016-01-20 | 2016-01-20 | 基于深度学习和多尺度相关滤波的鲁棒目标跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610037060.XA CN105741316B (zh) | 2016-01-20 | 2016-01-20 | 基于深度学习和多尺度相关滤波的鲁棒目标跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105741316A true CN105741316A (zh) | 2016-07-06 |
CN105741316B CN105741316B (zh) | 2018-10-16 |
Family
ID=56246376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610037060.XA Active CN105741316B (zh) | 2016-01-20 | 2016-01-20 | 基于深度学习和多尺度相关滤波的鲁棒目标跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105741316B (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530340A (zh) * | 2016-10-24 | 2017-03-22 | 深圳市商汤科技有限公司 | 一种指定物体跟踪方法 |
CN106570893A (zh) * | 2016-11-02 | 2017-04-19 | 中国人民解放军国防科学技术大学 | 一种基于相关滤波的快速稳健视觉跟踪方法 |
CN106651915A (zh) * | 2016-12-23 | 2017-05-10 | 大连理工大学 | 基于卷积神经网络的多尺度表达的目标跟踪方法 |
CN106952288A (zh) * | 2017-03-31 | 2017-07-14 | 西北工业大学 | 基于卷积特征和全局搜索检测的长时遮挡鲁棒跟踪方法 |
CN107146240A (zh) * | 2017-05-05 | 2017-09-08 | 西北工业大学 | 基于相关滤波和显著性检测的航拍视频目标跟踪方法 |
CN107240122A (zh) * | 2017-06-15 | 2017-10-10 | 国家新闻出版广电总局广播科学研究院 | 基于时空连续相关滤波的视频目标跟踪方法 |
CN107274433A (zh) * | 2017-06-21 | 2017-10-20 | 吉林大学 | 基于深度学习的目标跟踪方法、装置及存储介质 |
CN107292912A (zh) * | 2017-05-26 | 2017-10-24 | 浙江大学 | 一种基于多尺度对应结构化学习的光流估计方法 |
CN107369166A (zh) * | 2017-07-13 | 2017-11-21 | 深圳大学 | 一种基于多分辨率神经网络的目标跟踪方法及*** |
CN107424177A (zh) * | 2017-08-11 | 2017-12-01 | 哈尔滨工业大学(威海) | 基于连续相关滤波器的定位修正长程跟踪算法 |
CN107563313A (zh) * | 2017-08-18 | 2018-01-09 | 北京航空航天大学 | 基于深度学习的多目标行人检测与跟踪方法 |
CN107679455A (zh) * | 2017-08-29 | 2018-02-09 | 平安科技(深圳)有限公司 | 目标跟踪装置、方法及计算机可读存储介质 |
CN107730536A (zh) * | 2017-09-15 | 2018-02-23 | 北京飞搜科技有限公司 | 一种基于深度特征的高速相关滤波物体追踪方法 |
CN108090468A (zh) * | 2018-01-05 | 2018-05-29 | 百度在线网络技术(北京)有限公司 | 用于检测人脸的方法和装置 |
CN108288282A (zh) * | 2017-12-26 | 2018-07-17 | 浙江工业大学 | 一种基于卷积神经网络的自适应特征选择目标跟踪方法 |
CN108470355A (zh) * | 2018-04-04 | 2018-08-31 | 中山大学 | 融合卷积网络特征和判别式相关滤波器的目标跟踪方法 |
CN108596221A (zh) * | 2018-04-10 | 2018-09-28 | 江河瑞通(北京)技术有限公司 | 标尺读数的图像识别方法及设备 |
WO2018176186A1 (en) * | 2017-03-27 | 2018-10-04 | Intel Corporation | Semantic image segmentation using gated dense pyramid blocks |
CN108717522A (zh) * | 2018-04-18 | 2018-10-30 | 上海交通大学 | 一种基于深度学习和相关滤波的人体目标跟踪方法 |
CN108830878A (zh) * | 2018-04-13 | 2018-11-16 | 上海大学 | 一种基于fpn神经网络的目标跟踪方法 |
CN108898619A (zh) * | 2018-06-08 | 2018-11-27 | 上海大学 | 一种基于pvanet神经网络的目标跟踪方法 |
CN109146921A (zh) * | 2018-07-02 | 2019-01-04 | 华中科技大学 | 一种基于深度学习的行人目标跟踪方法 |
CN109584271A (zh) * | 2018-11-15 | 2019-04-05 | 西北工业大学 | 基于高置信度更新策略的高速相关滤波跟踪方法 |
CN109741366A (zh) * | 2018-11-27 | 2019-05-10 | 昆明理工大学 | 一种融合多层卷积特征的相关滤波目标跟踪方法 |
CN109740448A (zh) * | 2018-12-17 | 2019-05-10 | 西北工业大学 | 基于相关滤波和图像分割的航拍视频目标鲁棒跟踪方法 |
CN109801311A (zh) * | 2019-01-31 | 2019-05-24 | 长安大学 | 一种基于深度残差网络特征的视觉目标跟踪方法 |
CN109858326A (zh) * | 2018-12-11 | 2019-06-07 | 中国科学院自动化研究所 | 基于类别语义弱监督的在线视觉跟踪方法及*** |
CN109886994A (zh) * | 2019-01-11 | 2019-06-14 | 上海交通大学 | 视频跟踪中自适应遮挡检测***及方法 |
CN110647836A (zh) * | 2019-09-18 | 2020-01-03 | 中国科学院光电技术研究所 | 一种鲁棒的基于深度学习的单目标跟踪方法 |
CN111210461A (zh) * | 2019-12-30 | 2020-05-29 | 成都慧视光电技术有限公司 | 一种自适应尺度变化的实时相关滤波跟踪算法 |
CN111587408A (zh) * | 2018-01-12 | 2020-08-25 | 华为技术有限公司 | 机器人导航和对象跟踪 |
CN111627046A (zh) * | 2020-05-15 | 2020-09-04 | 北京百度网讯科技有限公司 | 目标部位跟踪方法、装置、电子设备和可读存储介质 |
US11704894B2 (en) | 2017-03-27 | 2023-07-18 | Intel Corporation | Semantic image segmentation using gated dense pyramid blocks |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794382A (zh) * | 2010-03-12 | 2010-08-04 | 华中科技大学 | 一种实时公交车客流量统计的方法 |
CN102831618A (zh) * | 2012-07-20 | 2012-12-19 | 西安电子科技大学 | 基于霍夫森林的视频目标跟踪方法 |
CN103714554A (zh) * | 2013-12-12 | 2014-04-09 | 华中科技大学 | 一种基于传播融合的视频跟踪方法 |
-
2016
- 2016-01-20 CN CN201610037060.XA patent/CN105741316B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794382A (zh) * | 2010-03-12 | 2010-08-04 | 华中科技大学 | 一种实时公交车客流量统计的方法 |
CN102831618A (zh) * | 2012-07-20 | 2012-12-19 | 西安电子科技大学 | 基于霍夫森林的视频目标跟踪方法 |
CN103714554A (zh) * | 2013-12-12 | 2014-04-09 | 华中科技大学 | 一种基于传播融合的视频跟踪方法 |
Non-Patent Citations (2)
Title |
---|
CHAO MA, ET AL.: "Hierarchical Convolutional Features for Visual Tracking", 《2015 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION》 * |
JIALUE FAN, ET AL.: "Human Tracking Using Convolutional Neural Networks", 《IEEE TRANSACTIONS ON NEURAL NETWORKS》 * |
Cited By (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530340B (zh) * | 2016-10-24 | 2019-04-26 | 深圳市商汤科技有限公司 | 一种指定物体跟踪方法 |
CN106530340A (zh) * | 2016-10-24 | 2017-03-22 | 深圳市商汤科技有限公司 | 一种指定物体跟踪方法 |
CN106570893A (zh) * | 2016-11-02 | 2017-04-19 | 中国人民解放军国防科学技术大学 | 一种基于相关滤波的快速稳健视觉跟踪方法 |
CN106651915A (zh) * | 2016-12-23 | 2017-05-10 | 大连理工大学 | 基于卷积神经网络的多尺度表达的目标跟踪方法 |
CN106651915B (zh) * | 2016-12-23 | 2019-08-09 | 大连理工大学 | 基于卷积神经网络的多尺度表达的目标跟踪方法 |
US11704894B2 (en) | 2017-03-27 | 2023-07-18 | Intel Corporation | Semantic image segmentation using gated dense pyramid blocks |
US11157764B2 (en) | 2017-03-27 | 2021-10-26 | Intel Corporation | Semantic image segmentation using gated dense pyramid blocks |
WO2018176186A1 (en) * | 2017-03-27 | 2018-10-04 | Intel Corporation | Semantic image segmentation using gated dense pyramid blocks |
CN106952288A (zh) * | 2017-03-31 | 2017-07-14 | 西北工业大学 | 基于卷积特征和全局搜索检测的长时遮挡鲁棒跟踪方法 |
CN106952288B (zh) * | 2017-03-31 | 2019-09-24 | 西北工业大学 | 基于卷积特征和全局搜索检测的长时遮挡鲁棒跟踪方法 |
CN107146240A (zh) * | 2017-05-05 | 2017-09-08 | 西北工业大学 | 基于相关滤波和显著性检测的航拍视频目标跟踪方法 |
CN107146240B (zh) * | 2017-05-05 | 2019-08-13 | 西北工业大学 | 基于相关滤波和显著性检测的航拍视频目标跟踪方法 |
CN107292912B (zh) * | 2017-05-26 | 2020-08-18 | 浙江大学 | 一种基于多尺度对应结构化学习的光流估计方法 |
CN107292912A (zh) * | 2017-05-26 | 2017-10-24 | 浙江大学 | 一种基于多尺度对应结构化学习的光流估计方法 |
CN107240122A (zh) * | 2017-06-15 | 2017-10-10 | 国家新闻出版广电总局广播科学研究院 | 基于时空连续相关滤波的视频目标跟踪方法 |
CN107274433A (zh) * | 2017-06-21 | 2017-10-20 | 吉林大学 | 基于深度学习的目标跟踪方法、装置及存储介质 |
CN107274433B (zh) * | 2017-06-21 | 2020-04-03 | 吉林大学 | 基于深度学习的目标跟踪方法、装置及存储介质 |
CN107369166B (zh) * | 2017-07-13 | 2020-05-08 | 深圳大学 | 一种基于多分辨率神经网络的目标跟踪方法及*** |
CN107369166A (zh) * | 2017-07-13 | 2017-11-21 | 深圳大学 | 一种基于多分辨率神经网络的目标跟踪方法及*** |
CN107424177B (zh) * | 2017-08-11 | 2021-10-26 | 哈尔滨工业大学(威海) | 基于连续相关滤波器的定位修正长程跟踪方法 |
CN107424177A (zh) * | 2017-08-11 | 2017-12-01 | 哈尔滨工业大学(威海) | 基于连续相关滤波器的定位修正长程跟踪算法 |
CN107563313A (zh) * | 2017-08-18 | 2018-01-09 | 北京航空航天大学 | 基于深度学习的多目标行人检测与跟踪方法 |
CN107563313B (zh) * | 2017-08-18 | 2020-07-07 | 北京航空航天大学 | 基于深度学习的多目标行人检测与跟踪方法 |
CN107679455A (zh) * | 2017-08-29 | 2018-02-09 | 平安科技(深圳)有限公司 | 目标跟踪装置、方法及计算机可读存储介质 |
CN107730536B (zh) * | 2017-09-15 | 2020-05-12 | 苏州飞搜科技有限公司 | 一种基于深度特征的高速相关滤波物体追踪方法 |
CN107730536A (zh) * | 2017-09-15 | 2018-02-23 | 北京飞搜科技有限公司 | 一种基于深度特征的高速相关滤波物体追踪方法 |
CN108288282B (zh) * | 2017-12-26 | 2022-04-08 | 浙江工业大学 | 一种基于卷积神经网络的自适应特征选择目标跟踪方法 |
CN108288282A (zh) * | 2017-12-26 | 2018-07-17 | 浙江工业大学 | 一种基于卷积神经网络的自适应特征选择目标跟踪方法 |
CN108090468A (zh) * | 2018-01-05 | 2018-05-29 | 百度在线网络技术(北京)有限公司 | 用于检测人脸的方法和装置 |
CN111587408A (zh) * | 2018-01-12 | 2020-08-25 | 华为技术有限公司 | 机器人导航和对象跟踪 |
CN111587408B (zh) * | 2018-01-12 | 2022-07-12 | 华为技术有限公司 | 机器人导航和对象跟踪 |
CN108470355A (zh) * | 2018-04-04 | 2018-08-31 | 中山大学 | 融合卷积网络特征和判别式相关滤波器的目标跟踪方法 |
CN108470355B (zh) * | 2018-04-04 | 2022-08-09 | 中山大学 | 融合卷积网络特征和判别式相关滤波器的目标跟踪方法 |
CN108596221B (zh) * | 2018-04-10 | 2020-12-01 | 江河瑞通(北京)技术有限公司 | 标尺读数的图像识别方法及设备 |
CN108596221A (zh) * | 2018-04-10 | 2018-09-28 | 江河瑞通(北京)技术有限公司 | 标尺读数的图像识别方法及设备 |
CN108830878A (zh) * | 2018-04-13 | 2018-11-16 | 上海大学 | 一种基于fpn神经网络的目标跟踪方法 |
CN108830878B (zh) * | 2018-04-13 | 2021-02-23 | 上海大学 | 一种基于fpn神经网络的目标跟踪方法 |
CN108717522A (zh) * | 2018-04-18 | 2018-10-30 | 上海交通大学 | 一种基于深度学习和相关滤波的人体目标跟踪方法 |
CN108898619B (zh) * | 2018-06-08 | 2021-02-23 | 上海大学 | 一种基于pvanet神经网络的目标跟踪方法 |
CN108898619A (zh) * | 2018-06-08 | 2018-11-27 | 上海大学 | 一种基于pvanet神经网络的目标跟踪方法 |
CN109146921B (zh) * | 2018-07-02 | 2021-07-27 | 华中科技大学 | 一种基于深度学习的行人目标跟踪方法 |
CN109146921A (zh) * | 2018-07-02 | 2019-01-04 | 华中科技大学 | 一种基于深度学习的行人目标跟踪方法 |
CN109584271A (zh) * | 2018-11-15 | 2019-04-05 | 西北工业大学 | 基于高置信度更新策略的高速相关滤波跟踪方法 |
CN109741366A (zh) * | 2018-11-27 | 2019-05-10 | 昆明理工大学 | 一种融合多层卷积特征的相关滤波目标跟踪方法 |
CN109858326A (zh) * | 2018-12-11 | 2019-06-07 | 中国科学院自动化研究所 | 基于类别语义弱监督的在线视觉跟踪方法及*** |
CN109740448A (zh) * | 2018-12-17 | 2019-05-10 | 西北工业大学 | 基于相关滤波和图像分割的航拍视频目标鲁棒跟踪方法 |
CN109740448B (zh) * | 2018-12-17 | 2022-05-10 | 西北工业大学 | 基于相关滤波和图像分割的航拍视频目标鲁棒跟踪方法 |
CN109886994A (zh) * | 2019-01-11 | 2019-06-14 | 上海交通大学 | 视频跟踪中自适应遮挡检测***及方法 |
CN109801311B (zh) * | 2019-01-31 | 2021-07-16 | 长安大学 | 一种基于深度残差网络特征的视觉目标跟踪方法 |
CN109801311A (zh) * | 2019-01-31 | 2019-05-24 | 长安大学 | 一种基于深度残差网络特征的视觉目标跟踪方法 |
CN110647836A (zh) * | 2019-09-18 | 2020-01-03 | 中国科学院光电技术研究所 | 一种鲁棒的基于深度学习的单目标跟踪方法 |
CN111210461A (zh) * | 2019-12-30 | 2020-05-29 | 成都慧视光电技术有限公司 | 一种自适应尺度变化的实时相关滤波跟踪算法 |
CN111210461B (zh) * | 2019-12-30 | 2023-06-02 | 成都慧视光电技术有限公司 | 一种自适应尺度变化的实时相关滤波跟踪算法 |
CN111627046A (zh) * | 2020-05-15 | 2020-09-04 | 北京百度网讯科技有限公司 | 目标部位跟踪方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105741316B (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105741316A (zh) | 基于深度学习和多尺度相关滤波的鲁棒目标跟踪方法 | |
Zhang et al. | MCnet: Multiple context information segmentation network of no-service rail surface defects | |
CN104574445B (zh) | 一种目标跟踪方法 | |
CN108346159A (zh) | 一种基于跟踪-学习-检测的视觉目标跟踪方法 | |
CN112184752A (zh) | 一种基于金字塔卷积的视频目标跟踪方法 | |
CN106952288B (zh) | 基于卷积特征和全局搜索检测的长时遮挡鲁棒跟踪方法 | |
CN107689052B (zh) | 基于多模型融合和结构化深度特征的视觉目标跟踪方法 | |
CN109461172A (zh) | 人工与深度特征联合的相关滤波视频自适应跟踪方法 | |
CN107316316A (zh) | 基于多特征自适应融合和核相关滤波技术的目标跟踪方法 | |
CN110223324A (zh) | 一种基于鲁棒特征表示的孪生匹配网络的目标跟踪方法 | |
CN112329588B (zh) | 一种基于Faster R-CNN的管道故障检测方法 | |
CN107424177A (zh) | 基于连续相关滤波器的定位修正长程跟踪算法 | |
CN109493364A (zh) | 一种结合残差注意力和上下文信息的目标跟踪算法 | |
CN111583300B (zh) | 一种基于富集目标形态变化更新模板的目标跟踪方法 | |
CN102169581A (zh) | 一种基于特征向量的快速高精度鲁棒性匹配方法 | |
CN107067410B (zh) | 一种基于增广样本的流形正则化相关滤波目标跟踪方法 | |
CN103455991A (zh) | 一种多聚焦图像融合方法 | |
CN112348849A (zh) | 一种孪生网络视频目标跟踪方法及装置 | |
CN107657625A (zh) | 融合时空多特征表示的无监督视频分割方法 | |
CN113706581B (zh) | 基于残差通道注意与多层次分类回归的目标跟踪方法 | |
CN109087337B (zh) | 基于分层卷积特征的长时间目标跟踪方法及*** | |
CN111091101B (zh) | 基于一步法的高精度行人检测方法、***、装置 | |
CN112712546A (zh) | 一种基于孪生神经网络的目标跟踪方法 | |
CN104700415A (zh) | 一种图像匹配跟踪中匹配模板的选取方法 | |
CN109035300A (zh) | 一种基于深度特征与平均峰值相关能量的目标跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190225 Address after: 710000 Oak Constellation 1 Building 2 Unit 20301, North of Science and Technology Fifth Road, Xi'an High-tech Zone, Shaanxi Province Patentee after: Xi'an Xu Yao Network Technology Co.,Ltd. Address before: 710072 No. 127 Youyi West Road, Shaanxi, Xi'an Patentee before: Northwestern Polytechnical University |
|
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190423 Address after: 710000 Unit 2, Unit 3, Building 5, No. 2, Hongpu South Road, Yanta District, Xi'an City, Shaanxi Province Patentee after: Zhao Feng Address before: 710000 Oak Constellation 1 Building 2 Unit 20301, North of Science and Technology Fifth Road, Xi'an High-tech Zone, Shaanxi Province Patentee before: Xi'an Xu Yao Network Technology Co.,Ltd. |
|
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190920 Address after: 710075 Room 1005, Tongda International Building, 41 Tangyan Road, Xi'an High-tech Zone, Shaanxi Province Patentee after: Xi'an Anmeng Intelligent Technology Co.,Ltd. Address before: 710000 Unit 2, Unit 3, Building 5, No. 2, Hongpu South Road, Yanta District, Xi'an City, Shaanxi Province Patentee before: Zhao Feng |
|
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240612 Address after: 214105 Anzhen Street, Xishan District, Wuxi City, Jiangsu Province Wuxi East Station South Square Business Center Sunken Commercial Plaza West Area 1117-42 Patentee after: Wuxi Haohe Information Technology Co.,Ltd. Country or region after: China Address before: 710075 Room 1005, Tongda International Building, 41 Tangyan Road, Xi'an High-tech Zone, Shaanxi Province Patentee before: Xi'an Anmeng Intelligent Technology Co.,Ltd. Country or region before: China |