公开(公告)号：CN108446694A

公开(公告)日：2018-08-24

申请号：CN201710084854.6

申请日：2017-02-16

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 虞抒沁

IPC: G06K9/32 ,  G06N3/04 ,  G06T3/40

Abstract: 本发明实施例提供了一种目标检测方法及装置，其中，目标检测方法包括：根据预设的待检测目标的尺寸，确定第一卷积核的尺寸；利用第一卷积核对原图像进行卷积运算，得到原图像的初始特征图；确定包含有多个预设特征提取层的特征提取模型，其中，特征提取模型用于根据初始特征图，并通过多个预设特征提取层的卷积运算，输出符合预设任务的图像的有效特征信息；根据该特征信息，通过预设多类回归算法及预设位置回归算法，得到待检测目标的类别及待检测目标在原图像中的位置信息。通过本发明可以提高目标检测的实际运行效率。

公开(公告)号：CN117372811A

公开(公告)日：2024-01-09

申请号：CN202311391887.7

申请日：2023-10-24

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 徐方凯 ,  虞抒沁 ,  童俊艳

IPC: G06V10/774 ,  G06V10/762

Abstract: 本申请公开了一种云边架构下的目标检测模型的训练方法、装置、存储介质和电子设备，在包括多个边缘端和一个云端的云边架构下，训练方法包括：接收边缘端本轮回传的无标注图像样本数据；在回传所述无标注图像样本数据的边缘端所属场景的数目大于预设的分类阈值N时，对所有回传的无标注图像样本数据进行基于场景信息的聚类分组，得到N个聚类簇；针对每个聚类簇，利用该聚类簇下的所述无标注图像样本数据，进行该聚类簇对应的目标检测模型的训练，并在完成训练后，将所述目标检测模型下发给所述该聚类簇所包括场景下的边缘端。应用本申请，能够有效减少训练模型数量，又能保证每个目标检测模型在各场景普遍的适应性。

公开(公告)号：CN111767937A

公开(公告)日：2020-10-13

申请号：CN201911104715.0

申请日：2019-11-13

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 陈汉苑 ,  虞抒沁 ,  童俊艳 ,  谭拢

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了一种目标检测模型训练方法、装置、电子设备及存储介质，从预训练的原始目标检测模型中读取各常规层的预训练参数和各特定层中指定输出通道对应的预训练参数，构建待训练的目标检测模型，待训练的目标检测模型能够复用原始目标检测模型中各常规层的预训练参数和各特定层中指定输出通道对应的预训练参数，这些网络层和输出通道的参数在原始目标检测模型中已经历过训练，是较为优化的参数，因此在对待训练的目标检测模型进行训练时，这些网络层和输出通道的参数训练时间会大幅度减少，并且，并不需要对原始目标检测模型的网络结构进行修改，从而实现了不改变目标检测模型的网络结构的基础上，减少目标检测模型的训练时长的目的。

公开(公告)号：CN111353597A

公开(公告)日：2020-06-30

申请号：CN201811582168.2

申请日：2018-12-24

Applicant: 杭州海康威视数字技术股份有限公司

Inventor： 石大虎 ,  虞抒沁 ,  谭文明

IPC: G06N3/08 ,  G06K9/62

Abstract: 本申请实施例提供了一种目标检测神经网络训练方法和装置。其中，方法包括：利用所述特征提取子网络对样本视频中参考视频帧进行处理，以基于所述参考视频帧与关键视频帧之间的变换关系，计算所述关键视频帧的图像特征，得到预估图像特征，所述参考视频帧为所述样本视频中未经过标定的视频帧，所述样本视频为所述样本视频中经过标定的视频帧；利用所述检测子网络对所述预估图像特征进行处理，得到预测结果；基于所述预测结果与所述关键视频帧的标定结果之间的误差计算损失，对所述目标检测神经网络的网络参数进行调整。可以在不增加因标定带来的工作量的情况下，提高经过训练的目标检测神经网络的准确性。