公开(公告)号：CN109872341B

公开(公告)日：2020-11-24

申请号：CN201910032981.0

申请日：2019-01-14

Applicant: 中建三局智能技术有限公司 ,  华中科技大学

Inventor： 王天江 ,  王玮光 ,  陈应 ,  李金生 ,  吴善农 ,  柳博予 ,  童文浩 ,  罗逸豪 ,  韩宇琛 ,  梁琦 ,  张量奇

IPC: G06T7/207 ,  G06T7/246 ,  G06T7/277 ,  G06T7/70 ,  G06T5/00

Abstract: 本发明公开了一种基于计算机视觉的高空抛物检测方法与系统，采用ViBe算法作为运动对象的检测手段，并在使用ViBe检测运动对象过程中，加入了相机是否抖动的检测机制，充分考虑了相机晃动或移动而导致画面位置发生偏移的情形，通过在相机抖动时采取当前帧高空抛物监控图像更新背景模型，提高了ViBe检测运动对象的准确率，从而降低高空抛物的误检率。本发明结合匈牙利算法和卡尔曼滤波算法对运动对象进行跟踪，匈牙利算法跟踪使得系统的运行速度有较大提升，卡尔曼滤波算法跟踪大幅度降低了对抛物跟踪的丢失率，保证对抛物的跟踪效果。该方法对于小目标的运动对象有较好的检测效果，并能够适应目标被短暂遮挡或者漏检、背景环境发生缓慢变化等情形。

公开(公告)号：CN109872341A

公开(公告)日：2019-06-11

申请号：CN201910032981.0

申请日：2019-01-14

Applicant: 中建三局智能技术有限公司 ,  华中科技大学

Inventor： 王天江 ,  王玮光 ,  陈应 ,  李金生 ,  吴善农 ,  柳博予 ,  童文浩 ,  罗逸豪 ,  韩宇琛 ,  梁琦 ,  张量奇

IPC: G06T7/207 ,  G06T7/246 ,  G06T7/277 ,  G06T7/70 ,  G06T5/00

Abstract: 本发明公开了一种基于计算机视觉的高空抛物检测方法与系统，采用ViBe算法作为运动对象的检测手段，并在使用ViBe检测运动对象过程中，加入了相机是否抖动的检测机制，充分考虑了相机晃动或移动而导致画面位置发生偏移的情形，通过在相机抖动时采取当前帧高空抛物监控图像更新背景模型，提高了ViBe检测运动对象的准确率，从而降低高空抛物的误检率。本发明结合匈牙利算法和卡尔曼滤波算法对运动对象进行跟踪，匈牙利算法跟踪使得系统的运行速度有较大提升，卡尔曼滤波算法跟踪大幅度降低了对抛物跟踪的丢失率，保证对抛物的跟踪效果。该方法对于小目标的运动对象有较好的检测效果，并能够适应目标被短暂遮挡或者漏检、背景环境发生缓慢变化等情形。

公开(公告)号：CN114565792A

公开(公告)日：2022-05-31

申请号：CN202210189921.1

申请日：2022-02-28

Applicant: 华中科技大学

Inventor： 王天江 ,  张量奇 ,  沈海波 ,  罗逸豪 ,  曹翔 ,  潘蕾西兰

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/94 ,  G06K9/62 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08 ,  G06T1/20

Abstract: 本发明公开了一种基于轻量化卷积神经网络的图像分类方法和装置，属于计算机深度学习中图像分类领域。本发明包括：S1：构建轻量化卷积神经网络模型，所述轻量化神经网络模型包括依次连接的：标准卷积层、多个采样拼接单元、全局池化层和全连接层，所述采样拼接单元包括依次连接的：下采样层、多个通用层和拼接层；S2：将待分类图片输入所述轻量化卷积神经网络模型得到分类结果。本发明通过构建低参数量、低计算量且推理速度快的轻量化卷积神经网络模型，再利用轻量化卷积神经网络模型进行图像分类，相较于之前的轻量化卷积神经网络模型，在相近的分类准确率下，大幅减少参数量的同时大幅提高模型的分类速度。

公开(公告)号：CN115439649A

公开(公告)日：2022-12-06

申请号：CN202210921854.8

申请日：2022-08-02

Applicant: 华中科技大学

Inventor： 王天江 ,  张量奇 ,  罗逸豪 ,  阮小敏 ,  冯琪 ,  杜帅 ,  张莹莹

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自编码器和生成对抗网络的医学图像分割方法，通过设置包括编码器和第二解码器的自编码器重构输入图像，为分割模型提供额外的一份多尺度的特征图；通过设计合适的跳跃连接层可以为分割图片的生成提供更丰富的多尺度特征；使用生成对抗网络可以为生成的分割图片引入额外的损失，使得网络可以生成更好的分割图片，使得生成的分割图片质量更高，从而一步提高医学图像分割的精度。使用深度可分离卷积和注意力机制构建的编码器，可以在使用更少的参数量和计算量的情况下提取更加丰富的特征。

公开(公告)号：CN114565792B

公开(公告)日：2024-07-19

申请号：CN202210189921.1

申请日：2022-02-28

Applicant: 华中科技大学

Inventor： 王天江 ,  张量奇 ,  沈海波 ,  罗逸豪 ,  曹翔 ,  潘蕾西兰

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/94 ,  G06N3/0495 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09 ,  G06N3/063 ,  G06T1/20 ,  G06V10/44

Abstract: 本发明公开了一种基于轻量化卷积神经网络的图像分类方法和装置，属于计算机深度学习中图像分类领域。本发明包括：S1：构建轻量化卷积神经网络模型，所述轻量化神经网络模型包括依次连接的：标准卷积层、多个采样拼接单元、全局池化层和全连接层，所述采样拼接单元包括依次连接的：下采样层、多个通用层和拼接层；S2：将待分类图片输入所述轻量化卷积神经网络模型得到分类结果。本发明通过构建低参数量、低计算量且推理速度快的轻量化卷积神经网络模型，再利用轻量化卷积神经网络模型进行图像分类，相较于之前的轻量化卷积神经网络模型，在相近的分类准确率下，大幅减少参数量的同时大幅提高模型的分类速度。