公开(公告)号：CN120014234A

公开(公告)日：2025-05-16

申请号：CN202510092114.1

申请日：2025-01-21

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 吴志昊 ,  徐勇 ,  罗荣 ,  完颜娟

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于误分类修正的弱监督目标检测方法、系统、电子设备及存储介质，方法包括利用卷积神经网络提取目标候选位置的区域特征；通过分类器对提取的区域特征分配所属类别标签；根据类别间的置信度差异，设计误分类修正驱动的标签分配模块，以识别误分类情况并予以修正，并重新分配标签用于目标检测模型训练。本发明方法通过修正训练阶段生成的错误类别标签，显著提高弱监督目标检测方法的分类性能。

公开(公告)号：CN112183269B

公开(公告)日：2023-08-29

申请号：CN202010984829.5

申请日：2020-09-18

Applicant: 哈尔滨工业大学(深圳)

Inventor： 徐勇 ,  吴志昊

IPC: G06V20/52 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种适用于智能视频监控的目标检测方法，包括以下步骤：1）通过轻量级骨干网络模块提取图像特征，同时利用大卷积核深度卷积和小卷积核深度卷积以分别捕获高分辨率模式和低分辨率模式；2）通过注意力机制模块进一步提升特征提取力，同时利用通道注意力模块和空间注意力模块在通道和空间轴两个维度上对特征图进行加权，调整特征响应值以强调或抑制信息，从而提高网络的表达力；3）通过多尺度预测模块预测目标的类别和位置，同时利用多尺度信息以适用于不同大小目标的检测。本发明还提供了一种适用于智能视频监控的目标检测系统。本发明的有益效果是：具有计算开销小且检测精度高的特点，可以实时检测视频流。

公开(公告)号：CN112464877B

公开(公告)日：2024-11-19

申请号：CN202011454250.4

申请日：2020-12-10

Applicant: 哈尔滨工业大学(深圳)

Inventor： 吴志昊 ,  徐勇 ,  曹士平

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0895

Abstract: 本发明提供了一种自适应实例分类器细化的弱监督目标检测方法，包括以下步骤：1）通过骨干网络提取图像中目标候选区域的特征，作为分类器的输入；2）通过多实例检测网络训练基本的分类器，生成下一阶段的监督信息；3）通过自适应实例分类器细化框架逐步训练细化的分类器以尽可能多地检测到完整的目标。本发明的有益效果是：利用候选区域的分数分布和空间相似性，可以尽可能多地检测图像中完整的目标，缓解检测器陷入局部最优状态的问题。

公开(公告)号：CN112464877A

公开(公告)日：2021-03-09

申请号：CN202011454250.4

申请日：2020-12-10

Applicant: 哈尔滨工业大学(深圳)

Inventor： 吴志昊 ,  徐勇

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种自适应实例分类器细化的弱监督目标检测方法，包括以下步骤：1）通过骨干网络提取图像中目标候选区域的特征，作为分类器的输入；2）通过多实例检测网络训练基本的分类器，生成下一阶段的监督信息；3）通过自适应实例分类器细化框架逐步训练细化的分类器以尽可能多地检测到完整的目标。本发明的有益效果是：利用候选区域的分数分布和空间相似性，可以尽可能多地检测图像中完整的目标，缓解检测器陷入局部最优状态的问题。

公开(公告)号：CN112183269A

公开(公告)日：2021-01-05

申请号：CN202010984829.5

申请日：2020-09-18

Applicant: 哈尔滨工业大学(深圳)

Inventor： 徐勇 ,  吴志昊

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种适用于智能视频监控的目标检测方法，包括以下步骤：1）通过轻量级骨干网络模块提取图像特征，同时利用大卷积核深度卷积和小卷积核深度卷积以分别捕获高分辨率模式和低分辨率模式；2）通过注意力机制模块进一步提升特征提取力，同时利用通道注意力模块和空间注意力模块在通道和空间轴两个维度上对特征图进行加权，调整特征响应值以强调或抑制信息，从而提高网络的表达力；3）通过多尺度预测模块预测目标的类别和位置，同时利用多尺度信息以适用于不同大小目标的检测。本发明还提供了一种适用于智能视频监控的目标检测系统。本发明的有益效果是：具有计算开销小且检测精度高的特点，可以实时检测视频流。