公开(公告)号：CN113673621A

公开(公告)日：2021-11-19

申请号：CN202111001354.4

申请日：2021-08-30

Applicant: 哈尔滨工业大学(威海)

Inventor： 张盛平 ,  郭佳宇

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络和MAML算法的类圆目标检测方法，包括以下步骤：首先，收集并标注类圆目标图像数据集；划分收集的数据集以便进行不同的子任务；将训练集中的图像进行数据增强；分别使用大目标检测数据集BO、小目标检测数据集SO、高分辨率检测数据集HR、低分辨率检测数据集LR训练大目标检测模型、小目标检测模型、高分辨率检测模型、低分辨率检测模型；使用MAML算法学习到最有潜力的类圆检测模型；将不同的测试样本送入训练好的模型中进行推理得出检测结果。

公开(公告)号：CN109165658B

公开(公告)日：2021-08-13

申请号：CN201810986082.X

申请日：2018-08-28

Applicant: 哈尔滨工业大学(威海)

Inventor： 张盛平 ,  吕晓倩 ,  孙嘉敏 ,  董开坤 ,  朴学峰 ,  孙鑫 ,  张维刚

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于Faster‑RCNN的强负样本水下目标检测方法，包括以下步骤：获取目标图像数据集，将目标图像输入卷积神经网络进行前向传播至共享的卷积层得到低维特征图；将获取的低维特征图一路输入至RPN网络得到正负样本及坐标，另一路继续前向传播得到高维特征图；对获取的与Ground Truth不相交的负样本进行图像求均值处理，实现基于图像亮度特征的相似度比较，完成与正样本相似的假负样本的筛除；将正样本、获取的筛选后的负样本与高维特征图共同输入到ROI Align层，提取正负样本建议区域的特征；将获取的建议区域特征传入全连接层，输出该区域的分类得分及回归后的坐标值。

公开(公告)号：CN112070158A

公开(公告)日：2020-12-11

申请号：CN202010932329.7

申请日：2020-09-08

Applicant: 哈尔滨工业大学(威海)

Inventor： 张盛平 ,  郑顺源 ,  胡良校

IPC: G06K9/62 ,  G06K9/44 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络和双边滤波的面部瑕疵检测方法，包括以下步骤：为人脸图像数据标注真实标签以用于卷积神经网络的训练；对训练样本进行随机裁剪，并对瑕疵区域进行过采样；将剪裁所得的图像进行数据增强；通过对彩色图像进行双边滤波，并计算与原始图像的残差以提取图像的高频特征图；分别将彩色图像与高频特征图输入卷积神经网络，经过输入层的特征提取后进行特征融合；构建面部瑕疵检测的卷积神经网络模型，在浅层卷积模块中加入基于多尺度非对称空洞卷积改进的SE模块。本发明可以有效地回归出图像每一像素点属于瑕疵的概率，从而得到更好的面部瑕疵检测结果。

公开(公告)号：CN103268363B

公开(公告)日：2016-06-22

申请号：CN201310234803.9

申请日：2013-06-06

Applicant: 哈尔滨工业大学

Inventor： 夏勇 ,  阳志波 ,  王宽全 ,  张盛平 ,  伯彭波

IPC: G06F17/30

Abstract: 一种基于弹性HOG特征和DDTW匹配的中国书法图像检索方法，属于信息处理技术领域。所述方法步骤如下：针对中国书法图像，先进行预处理操作，以得到单个字符图像；采用弹性网格技术，根据图像文字的像素密度分布，将输入图像划分为不同大小的网格块；在每个网格块内计算HOG特征；将每个网格块内的HOG特征以重叠技术重构成整个字符图像的EHOG特征；将字符图像特征作为字符标引结果存入数据库；在检索时，对输入的字符图像提取EHOG特征，然后基于DDTW匹配算法，在标引数据库中进行匹配查找，基于一个特定的相似度阈值返回检索结果。本方法无需利用OCR，拥有较高的准确率、很好的鲁棒性，并且有方法简单、成本低廉等优点。

公开(公告)号：CN104239870A

公开(公告)日：2014-12-24

申请号：CN201410498704.6

申请日：2014-09-25

Applicant: 哈尔滨工业大学

Inventor： 夏勇 ,  刘志慧 ,  王宽全 ,  伯彭波 ,  张盛平

IPC: G06K9/00

Abstract: 一种基于曲线弧分割的椭圆检测方法，包括以下步骤：将图像转化为二值图像，基于细化算法由二值图像得到细化的轮廓图；在细化的轮廓图中跟踪所有的轮廓，根据轮廓点间相互的连接性对细化图像中的轮廓像素点进行跟踪，将轮廓从交点处分割成弧段，直到所有的轮廓被跟踪完毕；根据各个弧段长度的比例，确定在每段弧上采样的次数，在每一个连续的轮廓弧段中采样；将每次采样得到的采样点带入椭圆一般方程，分别计算出一组椭圆参数；基于统计的思想，记录各组参数的出现次数，找出出现次数最多的一组参数，最终得到目标椭圆的参数。本发明从每一个连续的轮廓弧段中采样，使无效随机采样的概率大大降低，从而提高椭圆检测速度。

公开(公告)号：CN103093415A

公开(公告)日：2013-05-08

申请号：CN201310038106.6

申请日：2013-01-31

Applicant: 哈尔滨工业大学

Inventor： 张盛平 ,  王宽全 ,  夏勇 ,  伯彭波

IPC: G06T1/00

Abstract: 基于协作表示的图像显著度计算方法，属于图像处理与模式识别技术领域。本发明以灰度图像作为输入，使用以下三个操作计算图像中像素的显著度：采样阶段，以像素为中心，采样99大小的方块作为中心方块；将该像素沿着均匀间隔的8个方向分别向外移动1个像素、2个像素和3个像素，并以移动之后的像素为中心采样99大小的方块，共得到24个方块作为邻域方块。协作表示阶段，将中心方块线性表示为24个邻域方块和单位基函数的线性组合，通过L2范式最小化解析地计算线性组合的系数。显著度计算阶段，该像素的显著度计算为使用邻域方块及其对应系数对中心方块进行重构的误差。本发明计算简单，容易实现，能够应用于任意图像的显著度计算。