公开(公告)号：CN115439565A

公开(公告)日：2022-12-06

申请号：CN202210996920.8

申请日：2022-08-18

Applicant: 河南大学

Inventor： 李永军 ,  李博 ,  李耀 ,  罗金成 ,  张东明 ,  张大蔚 ,  李超越

IPC: G06T9/00 ,  G06T7/11 ,  G06T5/50 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于Transformer的图像压缩方法，主要包括如下步骤：构建基于Transformer的深度图像压缩模型；建立用于深度压缩模型的训练集、验证集和测试集；最后将处理好的深度图像压缩数据集送入构建好的基于Transformer深度图像压缩模型进行训练；通过预设方式对基于Transformer深度图像压缩模型进行优化，并重复迭代训练及优化的过程，直至损失函数趋近于恒定值时停止迭代训练并输出优化后的基于Transformer深度图像压缩模型；利用训练好的Transformer深度图像压缩模型对图像进行压缩和重建并对压缩结果进行评价或进一步对其进行分析和理解。本发明所述方法使用了先进的Transformer特征提取网络显著提升压缩图像的质量，并在很大程度上节省图像存储开销。本发明在图像存储、传输、分析等领域具有重要的应用价值。

公开(公告)号：CN116958583A

公开(公告)日：2023-10-27

申请号：CN202310933591.7

申请日：2023-07-27

Applicant: 河南大学

Inventor： 李永军 ,  罗金成 ,  李博 ,  李超越 ,  张心茹 ,  陈锦智敏 ,  梁勇 ,  陈竞

IPC: G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06T7/11 ,  G06N3/048 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于语义信息引导的显著性目标检测方法。本发明构建基于语义信息引导的显著性目标检测模型；把显著性图像数据集内的图片分为显著性目标检测模型的训练集、验证集和测试集；训练构建显著性目标检测模型；将测试集输入训练好的显著性目标检测模型，得到四个评估指标；当四个评估指标满足实际应用需求，将对应的显著性目标检测模型用于图像的显著性目标检测；否则，调整学习率，重新训练显著性目标检测模型，直至显著性目标检测模型的四个评估指标满足实际应用需求。本发明构建的显著性目标检测模型实现了能够完整分割出显著物体，并保持精确的细节的目的，提高了整体特征提取能力。

公开(公告)号：CN115690882A

公开(公告)日：2023-02-03

申请号：CN202211380302.7

申请日：2022-11-05

Applicant: 河南大学

Inventor： 李永军 ,  罗金成 ,  李耀 ,  李博 ,  李超越 ,  张心茹 ,  陈锦智敏

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G07C9/37

Abstract: 本发明涉及人脸识别技术领域，具体涉及佩戴口罩人脸识别方法、门禁装置、电子设备和可读介质，该方法包括：建立未戴口罩人脸样本库并进行扩充；构建佩戴口罩人脸检测模型YOLOv5‑MD并进行训练及测试；根据训练好的YOLOv5‑MD，判断待检测人脸是否佩戴口罩，如果待检测人脸佩戴口罩，生成待检测人脸佩戴口罩检测结果图；提取待检测人脸口罩特征，对样本库人脸添加待检测人脸所戴口罩；对待检测的佩戴口罩人脸与样本库佩戴口罩人脸的人脸特征及口罩特征进行空间映射，生成佩戴口罩人脸的识别信息。本发明提高了佩戴口罩人脸识别的准确度，应用于学校大门、小区大门等大流量出入口的佩戴口罩人脸识别。

公开(公告)号：CN116363610A

公开(公告)日：2023-06-30

申请号：CN202310347944.5

申请日：2023-03-31

Applicant: 河南大学

Inventor： 李永军 ,  李耀 ,  张心茹 ,  张大蔚 ,  李博 ,  罗金成 ,  李超越 ,  陈锦智敏

IPC: G06V20/54 ,  G06V20/17 ,  G06V10/80 ,  G06V10/82 ,  G06V10/98 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及旋转车辆目标检测技术领域，具体涉及一种基于改进YOLOv5的航拍车辆旋转目标检测方法，该方法包括：构建基于改进YOLOv5的航拍车辆旋转目标检测模型；构建航拍车辆检测数据集；利用边界框损失函数、置信度损失函数、类别损失函数、角度分类损失函数对航拍车辆旋转目标检测网络进行训练；检测训练好的模型，根据检测结果对模型进行评估，判断是否满足实际需求；若满足实际需求则把训练好的模型用于航拍情况下的车辆检测；若不满足实际需求则对模型进行修正后再继续训练，直至能满足实际需求。最终模型对于航拍车辆旋转目标取得了良好的检测效果，有效处理了航拍情况下对车辆旋转目标检测效果较差和计算量大的问题。

公开(公告)号：CN116343068A

公开(公告)日：2023-06-27

申请号：CN202310403199.1

申请日：2023-04-13

Applicant: 河南大学

Inventor： 李永军 ,  张心茹 ,  李耀 ,  王磊 ,  罗金成 ,  李博 ,  陈锦智敏 ,  李超越

IPC: G06V20/17 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明涉及车辆目标检测技术领域，具体涉及基于深度卷积神经网络的航拍场景下车辆小目标检测算法。方法包括：利用Focus模块对航拍图像进行切片获得特征图；将骨干网络中步长为2的跨步卷积改进为SPD‑Conv，SPD‑Conv和C3模块组成CSPDarknet结构；在PANet特征融合网络中增加融合层和上采样层，引入三层融合结构，融合CSPDarknet结构和PANet特征融合网络不同阶段三个相邻层的特征图，深度挖掘低层次特征，增强PANet的特征融合能力，完成对目标检测模型的改进。本发明利用改进后的目标检测模型对车辆小目标进行检测，提高了检测结果的准确度。