公开(公告)号：CN115908307A

公开(公告)日：2023-04-04

申请号：CN202211427497.6

申请日：2022-11-15

申请人： 中国科学院自动化研究所

发明人： 王隽 ,  陈泽文 ,  原春锋 ,  李兵 ,  胡卫明

IPC分类号： G06T7/00 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/77 ,  G06V10/774

摘要： 本发明属于图像处理领域，具体涉及一种基于多阶段预训练的无参考图像质量检测方法及系统。本发明方法包括顺次通过第一特征提取器、第二特征提取器对待检测图像进行特征提取，获取图像特征；所述第一特征提取器为图像复原网络中的编码器，所述第二特征提取器为多个并行设置的结构一致的特征提取子网络，基于不同IQA数据集采用图像质量评估方法进行整体训练后获取；依据所述图像特征，通过图像质量检测网络，得到第二检测结果；所述图像质量检测网络基于跨数据集质量检测相关性和自注意力机制构建。本发明提高了对不同类别图像进行质量检测时准确性、泛化性。

公开(公告)号：CN115795355A

公开(公告)日：2023-03-14

申请号：CN202310095677.7

申请日：2023-02-10

申请人： 中国科学院自动化研究所 ,  人民中科(济南)智能技术有限公司

发明人： 王博 ,  张钰 ,  李兵 ,  胡卫明

IPC分类号： G06F18/24 ,  G06F18/214 ,  G06F18/22

摘要： 本发明实施例涉及人工智能领域，公开了一种分类模型训练方法、装置及设备。本发明实施例涉及的分类模型训练方法，其特征在于，所述方法包括：获取待训练样本集进行特征提取，得到第一特征向量，计算得到原型特征向量；调用预设的损失调节器针对待训练的分类模型对应的损失函数进行参数调整，得到目标分类模型。这样，可以在模型训练过程中，基于当前学习结果及时施加相应的策略调整，提高了分类模型在小样本学习环境中训练的准确性，进而提高了训练后模型进行分类作业的正确率。

公开(公告)号：CN113870254B

公开(公告)日：2022-03-15

申请号：CN202111440333.2

申请日：2021-11-30

申请人： 中国科学院自动化研究所 ,  人民中科(济南)智能技术有限公司

发明人： 王博 ,  卢鹏 ,  李兵 ,  胡卫明

IPC分类号： G06T7/00 ,  G06V10/25 ,  G06V10/774 ,  G06K9/62

摘要： 本发明实施例公开了一种目标对象的检测方法、装置、电子设备及存储介质。该方法包括：根据待检测图像生成第一图像和第二图像，第一图像和第二图像的尺寸不同，第一图像和第二图像中的至少一个图像由待检测图像等比缩放得到，采用第一子模型检测第一图像，分别得到至少一类目标对像的第一子特征，以及采用第二子模型检测第二图像，分别得到至少一类目标对像的第二子特征，第一子模型与第二子模型是预训练的检测模型中相同的子模型，分别融合各类目标对像的第一子特征和第二子特征得到相应类的目标对像在待检测图像中的特征，实现了对待检测图像的整体轮廓和目标对象的同时检测，从而提高了目标对象检测方法检测的性能。

公开(公告)号：CN112990273B

公开(公告)日：2021-12-21

申请号：CN202110190037.5

申请日：2021-02-18

申请人： 中国科学院自动化研究所

发明人： 刘雨帆 ,  李兵 ,  胡卫明

IPC分类号： G06K9/62 ,  G06K9/00 ,  G06N3/02 ,  G06N3/08 ,  G06F16/951

摘要： 本发明属于图像识别领域，具体涉及了一种面向压缩域的视频敏感人物识别方法、系统、设备，旨在解决现有的敏感人物识别方法低效和浪费资源的问题。本发明包括：对待检测视频部分解码获取压缩域多模态信息，将压缩域多模态信息进行检测和校准，将校准后的压缩域人脸多模态信息通过训练好的多模态人脸识别网络获取多模态人脸特征，将多模态人脸特征与敏感人脸特征库进行比对，确认是否存在敏感人脸。其中，压缩域人脸多模态信息通过I分支、MV分支和Res分支分别提取不同的特征再进行多模态特征融合得到唯一的多模态人脸特征。本发明只需要进行部分解码就能完成特征提取，解决了现有技术低效和资源浪费的问题，同时保有较高的识别精度。

公开(公告)号：CN110222611B

公开(公告)日：2021-03-02

申请号：CN201910446596.0

申请日：2019-05-27

申请人： 中国科学院自动化研究所

发明人： 原春锋 ,  吕红杰 ,  李兵 ,  段运强 ,  胡卫明 ,  刘雨帆

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04

摘要： 本发明属于计算机视觉及深度学习领域，具体涉及了一种基于图卷积网络的人体骨架行为识别方法、系统、装置，旨在解决基于图卷积神经网络的人体骨架行为识别结果精度不高的问题。本发明方法包括：获取骨架视频帧并归一化；构建每一帧图对应的人体关节自然连接图；学习非自然连接边，获得人体关节连接图；为人体关节连接图各条边分配权重值；进行图卷积操作，获得骨架序列的空间信息；在时间维度上进行卷积操作，获得骨架序列的行为类别。本发明自然连接边能够学习到基本的人体行为特征，同时非自然连接边可以学习到附加的行为特征，通过自然连接边和非自然连接边共同构成一张图，可以更加充分的表征人体运动信息，提高识别性能。

公开(公告)号：CN112203089B

公开(公告)日：2021-02-23

申请号：CN202011396914.6

申请日：2020-12-03

申请人： 中国科学院自动化研究所

发明人： 胡卫明 ,  王隽 ,  李兵 ,  李文娟

IPC分类号： H04N19/115 ,  H04N19/146 ,  H04N19/91

摘要： 本发明属于数字图像处理技术领域，具体涉及了一种基于稀疏编码的码率控制的图像压缩方法、系统及装置，旨在解决现有遥感图像压缩码率不易控制且码率分配不合理，导致遥感图像压缩效率低，压缩后图像重建质量低的问题。本发明包括：将待编码图像划分为设定大小，并进行编码参数设定；提取图像块均值并进行量化和熵编码；每次更新图像实际编码码率后，与设定目标码率进行比较，并根据比较结果确定下一步操作；每次迭代编码时，选取复杂度较高的图像块进行稀疏编码，其数量由当前图像实际编码码率、设定目标码率和系数共同决定；在设定的编码码率下完成图像编码。本发明编码码率精准可控，分配合理并能动态调整，可以实现图像的高效、高质量压缩。

公开(公告)号：CN112183771A

公开(公告)日：2021-01-05

申请号：CN202010831620.5

申请日：2020-08-18

申请人： 北京城建信捷轨道交通工程咨询有限公司 ,  中国科学院自动化研究所

发明人： 陆明 ,  郭泽阔 ,  田东 ,  李兵 ,  陆琰 ,  王璐 ,  刘伟 ,  余昊楠 ,  张格妍 ,  胡卫明

IPC分类号： G06Q10/00 ,  G06Q10/04 ,  G06F16/215 ,  G06N3/04 ,  G06F16/2458 ,  G06F16/332 ,  G06F16/36 ,  G06Q50/26

摘要： 本发明公开了一种轨道交通智能运维生态系统及其方法，一种轨道交通智能运维生态系统，包括：“云”和“端”，所述“云”实现数据的采集和智能处理并形成最终解决方案传送到所述“端”。本发明的有益效果是：构建智能运维系统健康发展的环境和基础，形成分工明确、协同配合、标准统一的运维生态系统；优化现有维修计划，减少设备超修过修，提高系统可用性，实现运维减员增效；状态预判事前报警和避免设备车辆带病上线，提高系统安全性；数据分析提前制定公司的物资采购计划降低运营公司物资库存和资金压力；维修支持系统解决运营人员培养瓶颈问题。

公开(公告)号：CN108734106B

公开(公告)日：2021-01-05

申请号：CN201810366397.4

申请日：2018-04-23

申请人： 中国科学院自动化研究所

发明人： 李兵 ,  胡卫明 ,  原春锋 ,  王博 ,  赵永帅 ,  刘琴

IPC分类号： G06K9/00

摘要： 本发明涉及视频分类领域，提出了一种基于对比的快速暴恐视频识别方法，旨在解决在基于视觉特征的暴恐视频识别中由于特征描述子描述能力有限，所造成的暴恐视频识别的准确率(precious)和召回率(recall)相对较低问题。该方法包括：对用于进行暴恐识别的待检测视频进行镜头分割以选取待检测视频的关键帧；利用预先构建的暴恐视频识别模型，对该待检测视频的各关键帧进行哈希码运算，得到各上述关键帧的哈希码；将各上述关键帧的哈希码分别与预存暴恐视频的视频帧的哈希码比较，确定出与各上述关键帧相似的视频帧；如果与各上述关键帧相似的视频帧的数目超过设定阈值，确定该待检测视频为暴恐视频。本发明能够快速、准确的从大量的视频中识别出暴恐视频。

公开(公告)号：CN111626373A

公开(公告)日：2020-09-04

申请号：CN202010484081.2

申请日：2020-06-01

申请人： 中国科学院自动化研究所

发明人： 李文娟 ,  李兵 ,  胡卫明 ,  潘健 ,  原春锋 ,  王坚

IPC分类号： G06K9/62 ,  G06K9/46 ,  G06N3/04

摘要： 本发明属于机器学习领域，具体涉及一种多尺度加宽残差网络、小目标识别检测网络及其优化方法，本发明多尺度加宽残差网络包括串行连接的多尺度加宽卷积层、多尺度加宽残差网络单元结构；所述多尺度加宽卷积层，包括并行设置的多个不同尺度的卷积核，其输出为所述多个不同尺度的卷积核提取特征的合并；所述多尺度加宽残差网络单元结构，包括多个串联设置的所述多尺度加宽卷积层，设定两个所述多尺度加宽卷积层之间跃层连接，以直接将两层输出特征取大融合。基于本发明得到的特征进行小目标识别检测，可以提高小目标物体识别的准确度。

公开(公告)号：CN110135562A

公开(公告)日：2019-08-16

申请号：CN201910360632.1

申请日：2019-04-30

申请人： 中国科学院自动化研究所 ,  国网通用航空有限公司

发明人： 刘雨帆 ,  胡卫明 ,  杜贵和 ,  原春锋 ,  李兵 ,  王佳颖 ,  叶子

IPC分类号： G06N3/04 ,  G06N3/08

摘要： 本发明属于计算机视觉及机器学习领域，具体涉及了一种基于特征空间变化的蒸馏学习方法、系统、装置，旨在解决学生网络无法学习教师网络全局知识的问题。本发明方法包括：按照蒸馏学习教师网络的参数结构构建对应的学生网络；分别选取预设的网络层，计算每一层的特征空间表示以及特定两个层间的跨层特征空间变化矩阵；计算基于特征空间变化的损失函数，根据真实标签计算分类损失函数；通过两个损失函数的加权将教师网络的特征空间变化作为知识迁移到学生网络中。本发明将教师网络层与层之间的特征空间变化刻画为一种新的知识，从而，使得学生网络在学习层与层之间的特征空间变化时，就学习到整个教师网络全局的知识。