-
公开(公告)号:CN108898047B
公开(公告)日:2021-03-19
申请号:CN201810393658.1
申请日:2018-04-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于模式识别技术领域,具体涉及一种基于分块遮挡感知的行人检测方法及系统,旨在解决行人被遮挡而造成的行人检测准确率较低的技术问题。为此目的,本发明中的行人检测方法包括:基于预先构建的行人检测模型,并根据待测行人图像,获取每个预设的人体检测区域对应的图像特征;对所获取的图像特征进行特征融合,得到对应行人的整体特征;根据整体特征,获取待测行人图像的多个检测结果框;选取所获取的多个所述检测结果框中满足预设的筛选条件的检测结果框。基于上述步骤,能够有效检测出待测图像中被遮挡的行人。同时,本发明中的行人检测系统能够执行并实现上述方法。
-
公开(公告)号:CN110222657A
公开(公告)日:2019-09-10
申请号:CN201910502740.8
申请日:2019-06-11
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明的一种单步人脸检测器优化系统,包括训练系统:经数据增强模块对被检测图像进行复制拼接、随机裁剪获的图像块,并通过数据增强获取训练样本;经单步人脸检测器接口模块将训练样本发送至待训练的单步人脸检测器进行二分类和边框回归,并获取二分类过程中的采样特征;经尺度感知边距模块获取训练样本的尺度感知边距损失;经特征监督模块通过基于特征监督的分类网络进行训练样本的二分类;损失函数模块,通过基于LCLS、LLOC、LFSM的损失函数对单步人脸检测器进行训练;测试系统:计算训练系统输出的单步人脸检测器的准确度,并在未达到设定条件时再次通过训练系统训练。本发明可以在不增加任何额外开销的前提下提高人脸检测器分类能力。
-
公开(公告)号:CN111914944B
公开(公告)日:2022-11-08
申请号:CN202010832019.8
申请日:2020-08-18
Applicant: 中国科学院自动化研究所
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明属于模式识别领域,具体涉及了一种基于动态样本选择和损失一致性的物体检测方法和系统,旨在解决物体识别精确度和性能不足的问题。本发明包括:先获取测试图像,通过在训练过程中动态地选取正样本和负样本,并引入非极大值抑制损失,该物体检测模型获得测试图像的预测框位置以及预测框属于各类别的概率,再次通过非极大值抑制获得最优测试图像的目标类别和预测框位置。本发明使每个标注框产生相同数量的正样本,优化器可以公平的对待每个训练样本,通过动态样本选择,通过预测每个预测框的IoU对回归损失函数重新加权使最优的检测结果更加精确,在训练阶段引入非极大值抑制损失函数对训练中产生的虚检进行惩罚,从而在测试阶段减少虚检。
-
公开(公告)号:CN109919097A
公开(公告)日:2019-06-21
申请号:CN201910175223.4
申请日:2019-03-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于图像处理与模式识别技术领域,具体涉及一种基于多任务学习的人脸和关键点联合检测系统、方法,旨在为了解决人脸和关键点联合检测的问题。本发明系统包括人脸检测模块、特征融合模块、多任务检测模块;所述人脸检测模块基于单步法检测模型构建的轻型网络结构,用于对输入待检测图像进行人脸检测;所述特征融合模块,用于对所述人脸检测模块中三个网络分支的人脸检测输出进行特征融合;所述多任务检测模块用于将所述特征融合模块输出的融合后的特征图映射到三个不同的特征子空间,分别进行分类、人脸框回归、关键点回归。本发明能同步进行人脸和关键点检测两个任务,提升了检测速度的同时,保证了较高的精度。
-
公开(公告)号:CN111914944A
公开(公告)日:2020-11-10
申请号:CN202010832019.8
申请日:2020-08-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于模式识别领域,具体涉及了一种基于动态样本选择和损失一致性的物体检测方法和系统,旨在解决物体识别精确度和性能不足的问题。本发明包括:先获取测试图像,通过在训练过程中动态地选取正样本和负样本,并引入非极大值抑制损失,该物体检测模型获得测试图像的预测框位置以及预测框属于各类别的概率,再次通过非极大值抑制获得最优测试图像的目标类别和预测框位置。本发明使每个标注框产生相同数量的正样本,优化器可以公平的对待每个训练样本,通过动态样本选择,通过预测每个预测框的IoU对回归损失函数重新加权使最优的检测结果更加精确,在训练阶段引入非极大值抑制损失函数对训练中产生的虚检进行惩罚,从而在测试阶段减少虚检。
-
公开(公告)号:CN110222657B
公开(公告)日:2021-07-20
申请号:CN201910502740.8
申请日:2019-06-11
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
Abstract: 本发明的一种单步人脸检测器优化系统,包括训练系统:经数据增强模块对被检测图像进行复制拼接、随机裁剪获的图像块,并通过数据增强获取训练样本;经单步人脸检测器接口模块将训练样本发送至待训练的单步人脸检测器进行二分类和边框回归,并获取二分类过程中的采样特征;经尺度感知边距模块获取训练样本的尺度感知边距损失;经特征监督模块通过基于特征监督的分类网络进行训练样本的二分类;损失函数模块,通过基于LCLS、LLOC、LFSM的损失函数对单步人脸检测器进行训练;测试系统:计算训练系统输出的单步人脸检测器的准确度,并在未达到设定条件时再次通过训练系统训练。本发明可以在不增加任何额外开销的前提下提高人脸检测器分类能力。
-
公开(公告)号:CN107403141B
公开(公告)日:2020-01-10
申请号:CN201710541087.7
申请日:2017-07-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及人脸识别领域,具体涉及一种人脸检测方法及装置、计算机可读存储介质、设备,旨在解决人脸检测方法在保持高精度的前提下不能实现CPU实时检测速度的问题。为此目的,本发明的人脸检测方法包括利用预设的人脸检测模型,获取待检测图像的检测结果框;对该检测结果框,获取满足预设筛选条件的最终检测结果框;其中,人脸检测模型包括级联的第一级卷积子网络和第二级卷积子网络,该方法还在第二级卷积子网络中关联锚点框,并优化不同尺度的锚点框在待检测图像上的铺设间隔。同时,本发明提供的人脸检测装置、计算机可读存储介质和设备可以执行上述方法的各步骤。本发明的技术方案可以在保持高精度的前提下具备CPU实时的检测速度,适应范围广。
-
公开(公告)号:CN107220618B
公开(公告)日:2019-12-24
申请号:CN201710379478.3
申请日:2017-05-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及人脸检测方法及装置、计算机可读存储介质、设备,所述方法包括依据预设的人脸检测模型,获取待测图像的多个检测结果框;选取所获取的多个检测结果框中满足预设的筛选条件的检测结果框;所述预设的人脸检测模型为依据深度卷积神经网络构建的检测模型;所述装置、计算机可读存储介质、设备可以实现上述人脸检测方法的各步骤。与现有技术相比,本发明提供的人脸检测方法及装置、计算机可读存储介质、设备,能够对待测图像中不同尺度的人脸进行有效检测。
-
公开(公告)号:CN108898047A
公开(公告)日:2018-11-27
申请号:CN201810393658.1
申请日:2018-04-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于模式识别技术领域,具体涉及一种基于分块遮挡感知的行人检测方法及系统,旨在解决行人被遮挡而造成的行人检测准确率较低的技术问题。为此目的,本发明中的行人检测方法包括:基于预先构建的行人检测模型,并根据待测行人图像,获取每个预设的人体检测区域对应的图像特征;对所获取的图像特征进行特征融合,得到对应行人的整体特征;根据整体特征,获取待测行人图像的多个检测结果框;选取所获取的多个所述检测结果框中满足预设的筛选条件的检测结果框。基于上述步骤,能够有效检测出待测图像中被遮挡的行人。同时,本发明中的行人检测系统能够执行并实现上述方法。
-
公开(公告)号:CN107403141A
公开(公告)日:2017-11-28
申请号:CN201710541087.7
申请日:2017-07-05
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及人脸识别领域,具体涉及一种人脸检测方法及装置、计算机可读存储介质、设备,旨在解决人脸检测方法在保持高精度的前提下不能实现CPU实时检测速度的问题。为此目的,本发明的人脸检测方法包括利用预设的人脸检测模型,获取待检测图像的检测结果框;对该检测结果框,获取满足预设筛选条件的最终检测结果框;其中,人脸检测模型包括级联的第一级卷积子网络和第二级卷积子网络,该方法还在第二级卷积子网络中关联锚点框,并优化不同尺度的锚点框在待检测图像上的铺设间隔。同时,本发明提供的人脸检测装置、计算机可读存储介质和设备可以执行上述方法的各步骤。本发明的技术方案可以在保持高精度的前提下具备CPU实时的检测速度,适应范围广。
-
-
-
-
-
-
-
-
-