-
公开(公告)号：CN119904894A
公开(公告)日：2025-04-29
申请号：CN202510409873.6
申请日：2025-04-02
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明涉及计算机视觉技术领域，具体提供一种基于头部和整体信息联合的多尺度行人检测方法及装置，通过对不同层次特征进行密集连接，提升网络对多尺度行人目标的灵敏度；其次对区域建议网络的采样方式进行了优化，通过计算样本集合中每一样本的遮挡重叠率，提升模型对遮挡行人目标的适应能力；然后构建行人头部与整体信息的联合检测框架，降低行人躯体被遮挡对检测造成的不利影响。对后处理环节和损失函数模块进行了优化，减弱了相邻行人目标对检测造成的干扰，同时提升了筛除冗余框的智能性和合理性，进一步降低行人检测的漏检率和误检率。可以对复杂人群密集场景中的多尺度行人目标和遮挡行人目标的检测能力更强，并能够降低行人漏检率。
-
公开(公告)号：CN119478342A
公开(公告)日：2025-02-18
申请号：CN202411468796.3
申请日：2024-10-21
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/082
Abstract: 本发明提供了一种基于YOLOv5的弱小目标检测方法、装置，包括：对待检测图像进行预处理，得到特征图像；将所述特征图像输入至优化的YOLOv5目标检测模型中，得到弱小目标检测结果；所述目标检测模型的优化包括：在YOLOv5神经网络中引入SPD‑Conv模块；使用Ghost‑Conv模块替代换YOLOv5神经网络的Conv模块，利用所述Ghost‑Conv模块对所述SPD‑Conv模块提取的特征进一步提取特征；在YOLOv5神经网络的C3模块中引入EMA注意力机制模块形成C3_EMA模块，所述C3_EMA模块通过分割特征图像和跨阶段连接抑制无效信息。本发明通过引入Ghost‑Conv模块替换原有的Conv模块，在C3模块中引入EMA注意力机制以及在特征融合模块中引入SPD‑Conv模块提高对弱小目标的识别精度，克服了原有模型提取的特征过于单一的问题。
-
公开(公告)号：CN119027986B
公开(公告)日：2024-12-27
申请号：CN202411529732.X
申请日：2024-10-30
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明涉及计算机视觉技术领域，具体提供一种抗遮挡重叠与尺度变化的行人检测方法及装置，在特征提取环节构建融合注意力机制的循环多尺度特征提取网络，用于提升获取图像特征信息的能力与特征信息的表达能力，提升行人检测器对多尺度行人目标的检测灵敏度；在模型的核心部分设计头部和整体双检测分支进行联合检测，利用头部检测辅助行人检测提升对密集遮挡行人目标的检测能力。在模型后处理环节为行人整体检测框构建抑制判别机制，并构建行人头身匹配策略来对行人头部检测框与整体检测框进行匹配绑定，对于未能匹配成功的头部检测框进行二次匹配校验，用于恢复被错误抑制的整体检测框并剔除误检出的头部检测框，进一步提升行人目标的检测精度。
-
公开(公告)号：CN119027986A
公开(公告)日：2024-11-26
申请号：CN202411529732.X
申请日：2024-10-30
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明涉及计算机视觉技术领域，具体提供一种抗遮挡重叠与尺度变化的行人检测方法及装置，在特征提取环节构建融合注意力机制的循环多尺度特征提取网络，用于提升获取图像特征信息的能力与特征信息的表达能力，提升行人检测器对多尺度行人目标的检测灵敏度；在模型的核心部分设计头部和整体双检测分支进行联合检测，利用头部检测辅助行人检测提升对密集遮挡行人目标的检测能力。在模型后处理环节为行人整体检测框构建抑制判别机制，并构建行人头身匹配策略来对行人头部检测框与整体检测框进行匹配绑定，对于未能匹配成功的头部检测框进行二次匹配校验，用于恢复被错误抑制的整体检测框并剔除误检出的头部检测框，进一步提升行人目标的检测精度。
-
公开(公告)号：CN111031309A
公开(公告)日：2020-04-17
申请号：CN201911363922.8
申请日：2019-12-26
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 大面阵CMOS图像传感器参数自动测试装置，涉及光学遥感图像成像技术领域，解决现有图像传感器测试系统均针对小面阵CMOS测试，且测试系统不完善，无法满足使用需要等问题，包括FPGA图像转换模块、图像采集卡和测试模块；CMOS图像传感器输出图像经FPGA图像转换模块进行图像格式的转换，通过图像采集卡进行图像的采集和存储，然后通过测试模块对所述CMOS图像传感器的性能指标进行实时计算和分析。本发明的测试装置的测试过程只需要测试人员提前设置好测试内容、测试参数等，测试过程全自动进行。本发明所述的自动测试装置，操作简单，运行稳定，体积小，功耗低，简单便携。
-
Patent Agency Ranking
公开(公告)号：CN119723065A
公开(公告)日：2025-03-28
申请号：CN202510230929.1
申请日：2025-02-28
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/25 , G06V20/17 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明涉及目标检测技术领域，公开了一种基于改进YOLOv8n的无人机视角下目标检测方法及系统，包括：获取无人机视角下的图像；将采集的无人机视角下的图像输入至目标检测模型，输出检测结果；目标检测模型包括：用于对原始特征图进行特征提取的，具有基于感受野注意力机制的卷积模块的骨干网络，基于感受野注意力机制的卷积模块融合感受野注意力卷积和卷积注意力模块，利用感受野注意力卷积提取原始特征图的感受野空间特征。本发明将基于感受野注意力机制的卷积模块替代骨干中的传统卷积层，提升特征提取的精确性和多样性，增强模型对复杂场景中细节的敏感性，在处理大范围或低对比度目标时能够表现出更强的特征表达能力。
-
公开(公告)号：CN114998567B
公开(公告)日：2022-11-01
申请号：CN202210838226.3
申请日：2022-07-18
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/143 , G06V10/30 , G06V10/54 , G06V10/776 , G06V10/80 , G06V10/74 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 一种基于多模态特征判别的红外点群目标识别方法，涉及红外点群目标检测识别技术领域，本发明的一种基于多模态特征判别的红外点群目标识别方法，包括以下步骤：步骤S1、多源图像序列数据和目标测量类数据预处理；步骤S2、单模态多源图像序列数据目标特征提取及目标识别；步骤S3、单模态目标测量类数据目标特征提取及状态识别；步骤S4、多模态特征融合及目标识别；步骤S5、识别结果融合及判定。本发明具备对红外点群目标进行物理属性分类识别的能力，提升了红外点群目标识别的鲁棒性，对红外点群目标物理属性识别准确率达85%以上。
-
公开(公告)号：CN102868885A
公开(公告)日：2013-01-09
申请号：CN201210308352.4
申请日：2012-08-27
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: H04N7/26 , H04N21/238 , H04N21/438
Abstract: 本发明涉及一种基于压缩感知的星上实时图像合成压缩系统，该系统包括：n个压缩感知测量模块、测量数据合成模块：每个压缩感知测量模块利用伯努利随机测量矩阵对多通道TDICCD的对应通道输出的原始行图像数据X进行随机测量，得到压缩后的测量数据Y；测量数据合成模块将各通道测量数据Y合成为一整行压缩图像测量数据的模块。本发明在星上对多通道TDICCD每个通道数据进行压缩感知，得到的压缩数据合成后传送到地面，在地面进行复杂的压缩感知重构算法。以在地面复杂的数据恢复算法，换取简单可靠的星上图像压缩方法，从而降低了星上电路的工作频率，提高了星上图像整合电路的稳定性，同时节省了星上硬件资源。
-
公开(公告)号：CN119293615A
公开(公告)日：2025-01-10
申请号：CN202411825281.4
申请日：2024-12-12
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06F18/2411 , G06F18/2415 , G06N3/0464
Abstract: 本申请涉及数据处理技术领域，本申请提供一种时间序列分类方法、装置、电子设备及存储介质，包括以下步骤：将待分类的时间序列数据按照预设的滑动窗口大小进行分割，形成多个局部时间段；对于每个所述局部时间段，使用卷积神经网络对其进行处理，以提取出所述局部时间段的特征向量；将提取的每个所述特征向量输入至全连接层，通过权重矩阵的变换和激活函数的非线性作用，生成对应的稀疏响应向量；对生成的所有所述稀疏响应向量进行频次统计，并基于统计结果构建出所述时间序列的特征频次直方图；利用所述特征频次直方图作为时间序列的表示，输入至分类器中进行分类，以得到时间序列的类别标签。
-
公开(公告)号：CN117635662A
公开(公告)日：2024-03-01
申请号：CN202311687492.1
申请日：2023-12-11
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明提出了一种复合阈值分割红外目标的抗干扰检测跟踪方法，其包括如下步骤：跟踪区域场景异常监测；跟踪区域干扰检测计算；跟踪区域干扰分割；跟踪区域干扰统计消除。本方法为红外目标跟踪过程中遇到的白斑、尾焰等干扰提供干扰消除方案实现红外目标稳定跟踪。本发明采用基于复合阈值分割对红外目标跟踪区域的干扰及目标进行联合分割，通过统计异常数据实现红外目标干扰消除，可对不同场景下的干扰实现干扰消除，有效实现红外目标稳定跟踪；实验验证基于复合阈值分割红外目标的抗干扰检测跟踪方法可对红外目标跟踪过程中的白光、尾焰等干扰实现完全消除。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.062 seconds)
