公开(公告)号：CN113822203A

公开(公告)日：2021-12-21

申请号：CN202111129227.2

申请日：2021-09-26

Applicant: 中国民用航空飞行学院

Inventor： 涂晓光 ,  李军辉 ,  胡焱 ,  刘建华 ,  康朋新

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于强化学习和深度卷积神经网络的人脸识别装置及方法，人脸识别装置包括主网络块、若干归一化网络和若干决策网络，主网络包括若干顺次连接的主网络块；主网络块对输入的人脸图像和人脸特征进行特征提取，并输出提取得到的人脸特征；归一化网络将对应的主网络块输出的人脸特征归一化到同一特征投影空间并输出；决策网络根据对应的归一化网络输出的人脸特征，利用强化学习方法判断是否继续向前学习：若是，则将归一化后的人脸特征输入下一个主网络块；若否，则将归一化后的人脸特征输出进行人脸识别。本发明通过对当前人脸特征的识别能力进行判断和选择，从而使用足够强的浅层特征进行识别，节省了大量的计算参数。

公开(公告)号：CN119832593A

公开(公告)日：2025-04-15

申请号：CN202411821113.8

申请日：2024-12-11

Applicant: 四川警察学院 ,  中国民用航空飞行学院

Inventor： 章超 ,  张铖方 ,  康朋新 ,  牛知艺 ,  涂晓光

IPC: G06V40/10 ,  A61B5/18 ,  A61B5/00 ,  A61B5/024 ,  G06V20/59 ,  G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/096

Abstract: 本发明公开了一种基于多任务轮换配对学习的飞行员适航状态感知方法，涉及航空安全保障与监测技术领域，包括：构建基于多任务的轮换配对学习模型，并将预先获取的视频数据集输入所述基于多任务轮换配对学习模型进行训练；所述基于多任务的轮换配对学习模型包括一个共享特征提取网络和三个专用任务子网络，专用任务子网络分别包括：rPPG信号估计器、连续性情绪预测器、适航状态序列预测器；训练阶段采用多任务轮换配对学习的方法；将待预测的视频输入所述训练好的基于多任务的轮换配对学习模型进行预测，输出得到多任务预测结果。本发明可学习飞行员生理状态、心理状态以及飞行员适航状态之间的潜在联系，准确地评估飞行员在驾驶过程中的状态。

公开(公告)号：CN119131364A

公开(公告)日：2024-12-13

申请号：CN202411265268.8

申请日：2024-09-10

Applicant: 中国民用航空飞行学院 ,  西南技术物理研究所

Inventor： 涂晓光 ,  何志 ,  康朋新 ,  李卓骏 ,  张艳艳 ,  杨明 ,  刘建华 ,  殷举航 ,  王宇 ,  周超 ,  崔雨勇

IPC: G06V10/25 ,  G06V20/17 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/094 ,  G06N3/088

Abstract: 本发明公开了一种基于无监督对抗学习的无人机小目标检测方法，涉及小目标检测技术领域。本发明通过引入图像多尺度退化和增强，使得检测模型能够更好地学习数据中的多元结构和模式，能够更好的对小目标进行识别。通过这种方式，模型能够辅助目标检测框架学习更加具有辨识度和普适性的语义特征用于小目标识别。还将生成对抗网络引入目标检测任务中，使用特征提取器代替生成器，分别将图像背景与合成图像通过特征提取器生成对应的特征图，将两种不同的特征图同时传入判别器，判别器即会鉴别区分上述两种特征图的不同之处，判别器在不断的对抗学习中能够专注于学习两特征图不同之处，用于对合成图像特征图中的小目标对象进行精准定位检测。