-
公开(公告)号：CN112329923A
公开(公告)日：2021-02-05
申请号：CN202011334592.2
申请日：2020-11-24
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种模型压缩方法、装置、电子设备及可读存储介质，该模型压缩方法包括：将待压缩模型划分为多个优化单元，其中，一个优化单元包括所述待压缩模型中连续的多个卷积层；对于任一优化单元，对该优化单元中各卷积层的参数进行量化，得到量化后的优化单元；分别对所述量化后的优化单元中各卷积层的参数进行优化，以使第一距离小于第二距离。该方法可以在保证模型性能和模型压缩效果的情况下，减少模型压缩消耗的时间和计算、存储资源。
-
公开(公告)号：CN111860064A
公开(公告)日：2020-10-30
申请号：CN201910360492.8
申请日：2019-04-30
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请公开了一种基于视频的目标检测方法、装置、设备及存储介质，属于目标检测技术领域。所述方法包括：获取待检测视频中的连续N帧视频图像，该N为大于1的整数；调用目标检测模型，该目标检测模型至少包括三维卷积层和目标检测层，该三维卷积层用于将该N帧视频图像的特征进行卷积融合，该目标检测层用于基于卷积融合后得到的目标特征图检测出视频图像中的目标；将该N帧视频图像输入至该目标检测模型中进行处理，输出目标检测结果。本申请基于特征关联后的目标特征图进行目标检测不仅可以保证检测的准确性，即避免漏检和误检的情况，而且还可以避免需要人工设计不同的规则，提高了目标检测的适应性。
-
公开(公告)号：CN108629354B
公开(公告)日：2020-08-04
申请号：CN201710161063.9
申请日：2017-03-17
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种目标检测方法及装置，属于机器视觉领域。该方法包括：从第一CNN模型的第一浅卷积层的特征图中以边长小于或等于预设阈值的锚点框为基准回归出多个第一检测目标候选框；对该第一深卷积层的特征图进行全尺度目标候选框提取，得到多个第二检测目标候选框；从该多个第二检测目标候选框中选取边长小于或等于该预设阈值的多个第三检测目标候选框；基于该多个第一检测目标候选框和该多个第三检测目标候选框的重合度，从该多个第一检测目标候选框中选取多个第四检测目标候选框；基于该多个第四检测目标候选框，对该目标图像中的各个目标进行分类，得到各个目标属于预设类别的概率。本发明提高了对小尺寸目标进行检测和识别的准确度。
-
公开(公告)号：CN111310516A
公开(公告)日：2020-06-19
申请号：CN201811510291.3
申请日：2018-12-11
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种行为识别方法和装置，该方法包括：将预设数量的连续视频帧输入预先训练的2D卷积神经网络，以得到所述视频帧的表观特征；将所述视频帧的表观特征输入预先训练的1D卷积神经网络，以得到所述视频帧的时空特征；将所述视频帧的时空特征输入预先训练的分类网络，以得到所述视频帧的行为识别结果。该方法可以提高行为识别的效率。
-
公开(公告)号：CN111191486A
公开(公告)日：2020-05-22
申请号：CN201811353946.0
申请日：2018-11-14
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了一种溺水行为识别方法、监控相机及监控系统，其中，方法包括：采集监控水域内的多帧图像；将多帧图像中的单帧图像输入预设深度神经网络模型，得到单帧图像中各人体目标的溺水置信度，预设深度神经网络模型为预先根据人体目标溺水时从水域上方采集到的包含人体目标的关键点位置信息的样本图像训练得到的深度神经网络模型；针对各人体目标，根据该人体目标的溺水置信度，识别该人体目标是否存在溺水行为。通过本方案，可以提高溺水行为的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN110889421A
公开(公告)日：2020-03-17
申请号：CN201811046272.X
申请日：2018-09-07
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/62
Abstract: 本发明公开了一种目标物检测方法及装置，属于深度学习领域。方法包括：将一批训练样本输入卷积神经网络，得到一批训练样本的预测结果；根据预测结果中的候选框与真值框的重叠程度，确定一批训练样本的正样本集合和负样本集合；根据负样本集合中各个负样本的候选框与真值框的重叠程度以及目标物的类别对应的置信度，确定负样本集合中的目标负样本；根据目标负样本，更新卷积神经网络的参数后，利用更新后的卷积神经网络进行目标物检测。本发明无需人工标注，整个过程比较简单，且由于目标负样本一般是难检测的样本，容易造成误检，根据目标负样本更新后的卷积神经网络能够提高目标检测的准确率。
-
公开(公告)号：CN110866428A
公开(公告)日：2020-03-06
申请号：CN201810987795.8
申请日：2018-08-28
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了目标跟踪方法、装置、电子设备及存储介质，涉及计算机视觉技术领域，该目标跟踪方法利用目标检测过程中提取的目标的特征信息，对下一视频帧中目标的位置进行预测；按照下一视频帧中目标的实际位置，确定预测位置与实际位置的重合度；计算当前视频帧与下一视频帧中两个目标的相似度；结合相似度与重合度计算关联度，在关联度大于关联阈值时，判定两个目标为同一目标。本发明实施例的目标跟踪方法，实现了视频数据中的目标跟踪，充分利用目标检测过程中提取的特征信息，第二神经网络与第三神经网络对目标检测过程中提取的特征信息进行相似度分析和位置预测分析，大大节约了计算量，从而实现了高效的目标跟踪。
-
公开(公告)号：CN110751259A
公开(公告)日：2020-02-04
申请号：CN201810814030.4
申请日：2018-07-23
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请实施例提供了深度神经网络中的网络层运算方法及装置，方法包括：获取网络层的输入数据、网络层各输入通道对应的输入位移量以及网络层各输出通道对应的输出位移量；针对各滤波器，分别利用该滤波器中各卷积核，对相应输入通道的输入数据进行卷积运算，得到各输入通道的卷积结果；针对各滤波器，根据各输入位移量，按照第一预设数据精度及数据范围，将该滤波器的各卷积结果进行对齐操作，并将对齐后的各卷积结果进行累加，得到该滤波器的累加结果；针对各滤波器，按照该滤波器对应的输出位移量，对该滤波器的累加结果进行移位，确定移位后的各滤波器的累加结果为网络层的运算结果。通过本方案可以提高网络层运算的准确率和效率。
-
公开(公告)号：CN109697449A
公开(公告)日：2019-04-30
申请号：CN201710985820.4
申请日：2017-10-20
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种目标检测方法、装置及电子设备，方法包括：基于预设的特征提取器，对所获得的待检测图像进行多层卷积运算，获得至少两层目标卷积运算各自对应的目标特征图，其中，至少两层目标卷积运算至少包括：最后一层卷积运算；基于预设的区域提取网络模型以及最后一层卷积运算对应的目标特征图，确定待检测图像的疑似目标区域的区域位置信息；基于预设的分类模型、所获得的目标特征图以及所确定的疑似目标区域的区域位置信息，从待检测图像中获得目标信息，其中，目标信息包括：待检测图像中目标对象的目标类型以及目标位置信息。应用本发明实施例，以实现对目标对象的更准确的检测。
-
公开(公告)号：CN102129572B
公开(公告)日：2013-05-15
申请号：CN201110047217.4
申请日：2011-02-25
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明涉及视频监控领域，公开了一种采用级联分类器的人脸检测方法及其装置。本发明中，采用轻型级联结构分类器，对当前待检测图像中的不同位置和不同大小的各矩形窗口进行人脸检测，检测出人脸窗口。该轻型级联结构分类器的每一级均为一个弱分类器。由于对于一张图像中大量的待检测窗口，因此相对于级联结构的分类器必须在计算出一个强分类器中所有弱分类器结果后方可去除部分非人脸的方案而言，轻型级联结构分类器的每一个弱分类器都可以去除部分非人脸，从而可以达到更快的检测速度，进而实现在百万高清视频上对人脸的实时检测。
-
-
-
-
-
-
-
-
-
Search Results
120
records
(took 0.038 seconds)
