公开(公告)号：CN112163492A

公开(公告)日：2021-01-01

申请号：CN202010995926.4

申请日：2020-09-21

申请人： 华南理工大学

发明人： 周智恒 ,  沈世福 ,  黄俊楚 ,  张鹏宇

IPC分类号： G06K9/00 ,  G06K9/62

摘要： 本发明公开了一种长时跨场景优化的交通物体检测方法、系统及介质，其中方法包括以下步骤：获取训练集，根据训练集对网络模型进行训练，获得物体检测模型；获取图像数据，采用物体检测模型对图像数据进行检测，获得带有物体边框的图像作为检测结果；采用整图特征跨场景配准优化方法对物体检测模型进行在线优化，更新物体检测模型的网络参数，以使物体检测模型适应于不同的场景。本发明通过更新服务端的网络参数方法来提升环境变化带来的交通场景识别不准的问题，代替需要海量的带标签的多场景数据去训练一个自带泛化性能的物体检测器，从而提高训练效率，减少人工标注的代价以及上线前训练的损耗代价，可广泛应用于交通场景下物体检测领域。

公开(公告)号：CN113554013A

公开(公告)日：2021-10-26

申请号：CN202111106779.1

申请日：2021-09-22

申请人： 华南理工大学

发明人： 周智恒 ,  张鹏宇 ,  郭勇帆 ,  沈世福 ,  王怡凡 ,  李波

IPC分类号： G06K9/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了跨场景识别模型训练方法、跨场景道路识别方法以及装置。本发明以源领域图像Xs和源领域真实标签图ys以及跨场景的无标签目标领域图像Xt作为训练数据，采用前向传导和链式反向梯度传导更新方法，分别在像素级、局部级与图像级计算输出跨场景识别的预测以及识别损失值和领域适配的预测以及领域适配损失值；分别在区域水平和样本水平联合跨场景识别和领域适配的像素级、局部级与图像级的预测以及损失值进行跨场景识别模型的迭代训练，最终得到训练完成的区域水平和样本水平跨场景识别模型。本发明所构建的跨场景道路识别方法，基于判定策略输出精准且安全的识别结果，可以为智能驾驶系统在新场景下提供有效的数据支撑。

公开(公告)号：CN112163492B

公开(公告)日：2023-09-08

申请号：CN202010995926.4

申请日：2020-09-21

申请人： 华南理工大学

发明人： 周智恒 ,  沈世福 ,  黄俊楚 ,  张鹏宇

IPC分类号： G06V20/58 ,  G06V10/774 ,  G06V10/764

摘要： 本发明公开了一种长时跨场景优化的交通物体检测方法、系统及介质，其中方法包括以下步骤：获取训练集，根据训练集对网络模型进行训练，获得物体检测模型；获取图像数据，采用物体检测模型对图像数据进行检测，获得带有物体边框的图像作为检测结果；采用整图特征跨场景配准优化方法对物体检测模型进行在线优化，更新物体检测模型的网络参数，以使物体检测模型适应于不同的场景。本发明通过更新服务端的网络参数方法来提升环境变化带来的交通场景识别不准的问题，代替需要海量的带标签的多场景数据去训练一个自带泛化性能的物体检测器，从而提高训练效率，减少人工标注的代价以及上线前训练的损耗代价，可广泛应用于交通场景下物体检测领域。

公开(公告)号：CN113554013B

公开(公告)日：2022-03-29

申请号：CN202111106779.1

申请日：2021-09-22

申请人： 华南理工大学

发明人： 周智恒 ,  张鹏宇 ,  郭勇帆 ,  沈世福 ,  王怡凡 ,  李波

IPC分类号： G06V20/56 ,  G06V10/46 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了跨场景识别模型训练方法、跨场景道路识别方法以及装置。本发明以源领域图像Xs和源领域真实标签图ys以及跨场景的无标签目标领域图像Xt作为训练数据，采用前向传导和链式反向梯度传导更新方法，分别在像素级、局部级与图像级计算输出跨场景识别的预测以及识别损失值和领域适配的预测以及领域适配损失值；分别在区域水平和样本水平联合跨场景识别和领域适配的像素级、局部级与图像级的预测以及损失值进行跨场景识别模型的迭代训练，最终得到训练完成的区域水平和样本水平跨场景识别模型。本发明所构建的跨场景道路识别方法，基于判定策略输出精准且安全的识别结果，可以为智能驾驶系统在新场景下提供有效的数据支撑。

公开(公告)号：CN110223230A

公开(公告)日：2019-09-10

申请号：CN201910460263.3

申请日：2019-05-30

申请人： 华南理工大学

发明人： 张浩健 ,  刘伟锋 ,  张鑫 ,  沈世福

IPC分类号： G06T3/40 ,  G06N3/04

摘要： 本发明公开了一种多前端深度图像超分辨率系统及其数据处理方法，包括深度图像超分辨率、微信小程序前端、网页前端、Android客户端、服务器后台五个模块，深度图像超分辨率、网页前端以及服务器后台模块可由Python语言及其相应的python库实现，Android客户端基于Android Studio使用Java语言实现，微信小程序端使用官方开发套件构建，从而实现可在多种设备上运行的深度图像超分辨率系统。深度图像超分辨率模块用于实现对深度图像进行分辨率放大操作，前端和客户端模块用于向后台提交图像，服务器后台模块将图像转交给深度图像超分辨率模块。本发明能够在彩色图像引导下对低分辨率深度图像数据进行超分辨率，简化用户操作，节约系统资源，提高了进行深度图像超分辨率的效率。