公开(公告)号：CN108121972A

公开(公告)日：2018-06-05

申请号：CN201711421020.6

申请日：2017-12-25

Applicant: 北京航空航天大学

Inventor： 张弘 ,  徐鹤丁 ,  张泽宇

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00744 ,  G06K9/4671 ,  G06K9/6201

Abstract: 本发明涉及一种局部遮挡条件下的目标识别方法，是图像处理与模式识别领域一个重要的研究方向。(1)输入待检测的视频，提取含有目标的图像帧进行预处理；(2)选取所要识别的目标，利用SIFT算法提取目标特征点；(3)利用隐马尔科夫模型为概率密度模型对提取的目标SIFT特征进行训练，建立目标特征匹配库；(4)输入目标被局部遮挡的图像帧，将图像SIFT特征与目标特征匹配库进行匹配，便可将目标SIFT特征从图像所有SIFT特征中分类出来，实现视频序列图像中的目标识别。本发明的识别精度高，计算简单，工程实现容易。

公开(公告)号：CN108009525A

公开(公告)日：2018-05-08

申请号：CN201711422364.9

申请日：2017-12-25

Applicant: 北京航空航天大学

Inventor： 张弘 ,  罗昭慧 ,  张泽宇

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于卷积神经网络的无人机对地特定目标识别方法如下：(1)将无人机采集到的对地特定目标数据集按照类别进行标注，并按照比例划分训练集、验证集、测试集；(2)设置训练卷积神经网络模型参数、训练参数，开始训练，根据训练情况，得到卷积神经网络模型的最优解。(3)改变卷积神经网络模型深度，重新开始(2)训练，得到最优卷积神经网络模型；(4)对测试集进行测试，得到识别准确率；(5)将准确率满足要求的卷积神经网络模型参数应用到无人机对地特定目标实际场景当中，对无人机采集到的图像目标进行识别。

公开(公告)号：CN108009594B

公开(公告)日：2018-11-13

申请号：CN201711419380.2

申请日：2017-12-25

Applicant: 北京航空航天大学

Inventor： 张弘 ,  辛淼 ,  张泽宇

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于变分组卷积的图像识别方法，针对目前的基于深度卷积神经网络的图像识别算法中存在的过拟合问题，采用随机通道组合的思路，对于每个处理层，首先对输入特征图进行通道拆分，然后再进行通道组合排列，为每个卷积核分配不同的通道组合，最后计算该层的卷积激活特征图，本发明可以有效提高特征提取中的同层数据随机化程度，降低模型参数发生过拟合的可能性，从而提高卷积神经网络在图像检索、图像匹配等问题中的性能。