公开(公告)号：CN114501028B

公开(公告)日：2024-02-13

申请号：CN202210131265.X

申请日：2022-02-11

Applicant: 重庆大学

Inventor： 仲元红 ,  张晨旭 ,  祝如越 ,  孙树海 ,  张艺

IPC: H04N19/42 ,  H04N19/176 ,  H04N19/124 ,  G06N3/0475 ,  G06N3/08 ,  H03M7/30

Abstract: 本发明公开了一种图像压缩感知方法、恢复方法、设备、系统及存储介质。该图像压缩感知方法包括：获取原始图像，将原始图像划分为多个图像块；基于可伸缩的基准采样矩阵获得与目标采样率对应的实际采样矩阵；利用所述实际采样矩阵对图像块进行采样获得所述图像块的压缩感知数据。通过可伸缩的基准采样矩阵能够获得对应不同采样率的采样矩阵，实现了压缩感知端仅需存储基准采样矩阵就能对原始图像进行不同采样率采样，极大地节省了存储开销和提高了采样的灵活性。

公开(公告)号：CN118135174A

公开(公告)日：2024-06-04

申请号：CN202410257041.2

申请日：2024-03-06

Applicant: 重庆大学

Inventor： 仲元红 ,  张高旭 ,  杨维阳 ,  孙树海 ,  彭顺 ,  蔡宇航 ,  燕帅成

IPC: G06V10/10 ,  G06V20/56 ,  G06V10/44 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种知识蒸馏的视觉BEV感知方法，本发明涉及视觉BEV感知技术领域；利用知识蒸馏的方法实现模型压缩，实现以更少的计算量实现更高的精度。算法整体结构包括两部分：注意力蒸馏：通过让学生模型模仿教师模型的空间注意力和通道注意力来重点关注关键像素；关系蒸馏：通过非局部蒸馏捕获不同像素之间的关系，该方法利用知识蒸馏让精度足够但计算量过大的模型作为教师模型，指导轻量级的学生模型，实现模型的轻量化，兼顾精度和计算量，便于在计算资源有限的实车上部署，并以BEVFormer为实施例，得到了良好的效果，验证了其可行性。

公开(公告)号：CN116958878A

公开(公告)日：2023-10-27

申请号：CN202310950812.1

申请日：2023-07-31

Applicant: 重庆大学

Inventor： 仲元红 ,  胡永婷 ,  祝如越 ,  严格 ,  孙树海 ,  钟代笛 ,  黄智勇 ,  韩术 ,  周庆

IPC: G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明具体涉及基于时空增强关联记忆的视频异常检测方法，包括：将视频帧序列输入经过训练的异常检测模型输出对应的异常预测值；将训练视频帧序列及其光流序列输入异常检测模型；提取外观特征和运动特征；利用运动特征来对外观特征进行融合增强；基于融合特征进行关联检索，得到正常事件原型间的关系，进而调整融合特征的特征维度生成最终特征；对最终特征进行解码，得到对应的异常预测值；根据异常预测值和对应的异常真实值计算模型损失并优化模型参数，直至模型收敛。本发明通过记录和学习正常事件的原型及其原型关系来调整特征维度，并且能够利用运动特征来增强外观特征以实现时空语义增强，从而提高视频异常检测的性能的准确性。

公开(公告)号：CN116452888A

公开(公告)日：2023-07-18

申请号：CN202310447930.0

申请日：2023-04-24

Applicant: 重庆大学

Inventor： 仲元红 ,  张靖怡 ,  陶歆 ,  张高旭 ,  孙树海

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/096 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/40 ,  G06V10/74

Abstract: 本发明公开了一种基于迁移学习的小样本目标检测系统，属于小样本目标检测系统技术领域，包括样本预处理模块、特征提取网络、RPN区域建议网络、RoI池化和特征提取模块、分类回归层，所述样本预处理模块与所述特征提取网络连接，所述特征提取网络分别与所述RPN区域建议网络、RoI池化和特征提取模块连接，所述RoI池化和特征提取模块分别与RPN区域建议网络、分类回归层连接；本发明通过首先设计了混合复制粘贴的数据增广方式对小样本数据集进行扩充，然后以Faster‑RCNN为基本检测结构，设计了一种基于Transformer的多尺度注意力特征提取网络替代原本的骨干网络，并在最后加入一个与分类器和回归器并行的对比学习分支来提高分类精度。

公开(公告)号：CN114501028A

公开(公告)日：2022-05-13

申请号：CN202210131265.X

申请日：2022-02-11

Applicant: 重庆大学

Inventor： 仲元红 ,  张晨旭 ,  祝如越 ,  孙树海 ,  张艺

IPC: H04N19/42 ,  H04N19/176 ,  H04N19/124 ,  G06N3/04 ,  G06N3/08 ,  H03M7/30

Abstract: 本发明公开了一种图像压缩感知方法、恢复方法、设备、系统及存储介质。该图像压缩感知方法包括：获取原始图像，将原始图像划分为多个图像块；基于可伸缩的基准采样矩阵获得与目标采样率对应的实际采样矩阵；利用所述实际采样矩阵对图像块进行采样获得所述图像块的压缩感知数据。通过可伸缩的基准采样矩阵能够获得对应不同采样率的采样矩阵，实现了压缩感知端仅需存储基准采样矩阵就能对原始图像进行不同采样率采样，极大地节省了存储开销和提高了采样的灵活性。