公开(公告)号：CN117373076A

公开(公告)日：2024-01-09

申请号：CN202311149747.9

申请日：2023-09-06

Applicant: 科大讯飞股份有限公司

Inventor： 赵薇 ,  林垠

IPC: G06V40/16 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096

Abstract: 本申请公开了一种属性识别方法、系统以及相关装置，该方法包括：获取待识别图像；其中，所述待识别图像属于预设对象；将所述待识别图像输入至训练后的学生模型进行属性识别，得到所述待识别图像中所述预设对象的属性识别结果；其中，所述学生模型及其对应的教师模型均包括属性预测网络，且所述学生模型还包括空间变换网络，所述教师模型是基于变换训练图像训练得到的，所述变换训练图像是基于原始训练图像进行仿射变换后得到的，训练后的所述教师模型用于指导所述学生模型对所述原始训练图像进行属性识别，得到训练后的所述学生模型。通过上述方式，本申请能够提高属性识别效率和准确性。

公开(公告)号：CN119206187A

公开(公告)日：2024-12-27

申请号：CN202411353636.4

申请日：2024-09-26

Applicant: 科大讯飞股份有限公司

Inventor： 赵薇 ,  林垠 ,  殷保才 ,  殷兵 ,  刘聪

IPC: G06V10/25 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供一种目标检测方法、装置、电子设备和存储介质，其中方法包括：对密集场景图像进行多尺度的特征提取，得到多尺度的图像特征，并基于多尺度的图像特征和所述密集场景图像进行特征重建，得到多尺度的高分辨率特征；对多尺度的高分辨率特征进行特征融合，并基于融合所得的特征进行目标检测，得到密集场景图像对应的目标检测结果，在特征提取阶段引入包含更多细粒度信息的高分辨率特征，更有利于密集场景下的目标检测，可以获取更精准的检测结果，克服了传统的密集场景下的检测方案中对于小目标的检测性能较差的缺陷，同时，缓解了密集场景下边界框重叠导致的漏检问题和繁琐的后处理问题，实现了检测精度和检测效率的双重提升。