-
公开(公告)号：CN110569887B
公开(公告)日：2022-07-29
申请号：CN201910770649.4
申请日：2019-08-20
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于预测层特征增强的目标检测方法、存储介质及设备，所述方法包括以下步骤：S1、获取需要进行检测的目标图像；S2、通过主干网络提取所述目标图像的特征，得到多个不同尺度的第一预测特征层；S3、将多个不同尺度的所述第一预测特征层进行融合，得到第二预测特征层；S4、构建不同尺寸的锚点框，并将所述第二预测特征层进行第一步锚点框粗略筛选和回归；S5、将所述第二预测特征层进行第二步锚点框精细筛选和回归；S6、输出所述目标图像的检测结果。根据本发明实施例的方法，能够在不增加网络参数的条件下充分发挥网络各特征层的作用的效果，实现对已有网络特征的充分利用。
-
公开(公告)号：CN110427821A
公开(公告)日：2019-11-08
申请号：CN201910567225.8
申请日：2019-06-27
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明属于计算机视觉检测技术领域，具体涉及一种基于轻量级卷积神经网络的人脸检测方法及系统。本方案首先需要解决的关键问题是将模型优化成轻量级模型，减少计算量、提高运算速度，其次实现网络的轻量化的同时需要保证人脸检测模型的精确度，因此平衡网络轻量级和准确率，需要能在轻量级人脸检测网络模型的基础上研究如何提高算法的准确率是本方案解决的关键问题。本案在检测精度、模型大小、检测速度综合方面具有一定优势，该网络与基于VGG16的人脸检测算法相比，保证了一定的精度，在检测速度、模型大小等方面更具有优势。
-
公开(公告)号：CN110569887A
公开(公告)日：2019-12-13
申请号：CN201910770649.4
申请日：2019-08-20
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明提供一种基于预测层特征增强的目标检测方法、存储介质及设备，所述方法包括以下步骤：S1、获取需要进行检测的目标图像；S2、通过主干网络提取所述目标图像的特征，得到多个不同尺度的第一预测特征层；S3、将多个不同尺度的所述第一预测特征层进行融合，得到第二预测特征层；S4、构建不同尺寸的锚点框，并将所述第二预测特征层进行第一步锚点框粗略筛选和回归；S5、将所述第二预测特征层进行第二步锚点框精细筛选和回归；S6、输出所述目标图像的检测结果。根据本发明实施例的方法，能够在不增加网络参数的条件下充分发挥网络各特征层的作用的效果，实现对已有网络特征的充分利用。
-
公开(公告)号：CN110569763A
公开(公告)日：2019-12-13
申请号：CN201910798249.4
申请日：2019-08-27
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明属于人脸识别技术领域，具体涉及一种用于细粒度人脸识别的眼镜去除方法，包括步骤：将初始的戴眼镜人脸图像被切分为三个图像块，分别以Part1，Part2和Part3标识，其中Part2包含完整的眼镜部分；建立眼镜去除深度卷积神经网络ERCNN网络模型，将Part2作为ERCNN网络模型卷积层的输入，通过网络中MFM单元进行特征选择和最大元素操作，再利用反卷积、平均池化和逐个元素加权求和的操作，对Part2实现重构，进而得到去除眼镜后的新图像块Part2_new；将输出的Part2_new与原始的Part1和Part3进行合并，得到完整的去除眼镜的人脸图像。
-
公开(公告)号：CN110569757A
公开(公告)日：2019-12-13
申请号：CN201910792451.6
申请日：2019-08-26
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明提供一种基于深度学习的多姿态行人检测方法及计算机存储介质，方法包括以下步骤：S1、定义多种行人姿态，生成多姿态行人目标的数据集；S2、将数据集按照不同行人姿态进行分类，并将不同行人姿态的数据集分别分为训练集和测试集两部分；S3、将所有行人姿态的训练集合并为一个总训练集进行训练，得到训练模型；S4、使用训练模型对不同行人姿态的测试集分别进行测试；S5、根据测试结果进行行人检测。根据本发明实施例的方法，通过将行人不同姿态进行分类，可以有效对行人的不同姿态进行检测，在一定程度上提高了复杂环境下不同姿态行人的检测准确率。
-
公开(公告)号：CN110569763B
公开(公告)日：2022-05-24
申请号：CN201910798249.4
申请日：2019-08-27
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明属于人脸识别技术领域，具体涉及一种用于细粒度人脸识别的眼镜去除方法，包括步骤：将初始的戴眼镜人脸图像被切分为三个图像块，分别以Part1，Part2和Part3标识，其中Part2包含完整的眼镜部分；建立眼镜去除深度卷积神经网络ERCNN网络模型，将Part2作为ERCNN网络模型卷积层的输入，通过网络中MFM单元进行特征选择和最大元素操作，再利用反卷积、平均池化和逐个元素加权求和的操作，对Part2实现重构，进而得到去除眼镜后的新图像块Part2_new；将输出的Part2_new与原始的Part1和Part3进行合并，得到完整的去除眼镜的人脸图像。
-
公开(公告)号：CN110569757B
公开(公告)日：2022-05-06
申请号：CN201910792451.6
申请日：2019-08-26
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
IPC分类号： G06V40/10 , G06V10/40 , G06K9/62 , G06V10/764
摘要： 本发明提供一种基于深度学习的多姿态行人检测方法及计算机存储介质，方法包括以下步骤：S1、定义多种行人姿态，生成多姿态行人目标的数据集；S2、将数据集按照不同行人姿态进行分类，并将不同行人姿态的数据集分别分为训练集和测试集两部分；S3、将所有行人姿态的训练集合并为一个总训练集进行训练，得到训练模型；S4、使用训练模型对不同行人姿态的测试集分别进行测试；S5、根据测试结果进行行人检测。根据本发明实施例的方法，通过将行人不同姿态进行分类，可以有效对行人的不同姿态进行检测，在一定程度上提高了复杂环境下不同姿态行人的检测准确率。
-
公开(公告)号：CN110602487A
公开(公告)日：2019-12-20
申请号：CN201910843031.6
申请日：2019-09-06
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
IPC分类号： H04N17/00 , H04N21/234 , H04N21/44
摘要： 本发明属于视频质量检测技术领域，具体涉及一种基于TSN网络的视频画面抖动检测方法，包括步骤：基于TSN网络结构，利用TVL1光流算法提取正常光流场和扭曲光流场；将所述正常光流场和扭曲光流场输入到TSN网络中；通过TSN网络判断视频是否抖动，并输出抖动的帧号。基于TSN网络的视频抖动检测，可以克服传统算法不能适应环境变化和长时间范围的视频检测，还可以在减少计算量大小的同时保持非常高的检测性能；TSN网络中提出的扭曲光流能够抑制视频中人物或其他事物运动的干扰，从而进一步使得检测抖动更加精准。
-
公开(公告)号：CN110543879A
公开(公告)日：2019-12-06
申请号：CN201910769868.0
申请日：2019-08-20
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
摘要： 本发明提供一种基于SE模块的SSD目标检测方法及计算机存储介质，所述方法包括以下步骤：S1、获取需要进行目标识别的图片或者视频；S2、将卷积神经网络ResNet18的第一个卷积层替换为3×3卷积层，并在ResNet18的第一个和第二个残差块中添加SE模块，形成SE-ResNet18网络结构；S3、将SSD目标检测算法中的主干网络替换为所述SE-ResNet18网络结构，得到检测模型；S4、对所述检测模型进行针对小目标检测的训练，获得训练好的深度神经网络模型；S5、根据训练好的深度神经网络模型对所述图片或者视频的小目标进行检测，得到检测结果。根据本发明实施例的方法，既保证了一定的检测速度，又提升了小目标的检测精度，同时尽量降低了对模型大小的影响。
-
公开(公告)号：CN110602487B
公开(公告)日：2021-04-20
申请号：CN201910843031.6
申请日：2019-09-06
申请人： 高新兴科技集团股份有限公司 , 西安电子科技大学
IPC分类号： H04N17/00 , H04N21/234 , H04N21/44
摘要： 本发明属于视频质量检测技术领域，具体涉及一种基于TSN网络的视频画面抖动检测方法，包括步骤：基于TSN网络结构，利用TVL1光流算法提取正常光流场和扭曲光流场；将所述正常光流场和扭曲光流场输入到TSN网络中；通过TSN网络判断视频是否抖动，并输出抖动的帧号。基于TSN网络的视频抖动检测，可以克服传统算法不能适应环境变化和长时间范围的视频检测，还可以在减少计算量大小的同时保持非常高的检测性能；TSN网络中提出的扭曲光流能够抑制视频中人物或其他事物运动的干扰，从而进一步使得检测抖动更加精准。
-
-
-
-
-
-
-
-
-
搜索结果
64 条记录 (耗时 0.073 秒)
