公开(公告)号：CN114372502A

公开(公告)日：2022-04-19

申请号：CN202111462501.8

申请日：2021-12-02

Applicant: 北京工业大学

Inventor： 胡永利 ,  武剑 ,  员娇娇 ,  尹宝才 ,  孙艳丰

IPC: G06K9/62 ,  G06F17/18 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774

Abstract: 一种角度自适应的椭圆模板目标检测器应用于计算机视觉任务中的目标检测任务。本发明基于摆脱锚框的算法，直接预测物体的中心点并以此作为椭圆框的圆心，之后在结合预测出的椭圆框的长短轴长和旋转角度来完成物体检测。本发明为了加快更加有效的训练网络并更好学习椭圆的轮廓，提出了一种新的椭圆交并比损失。由于采用旋转椭圆框来检测物体，因此本发明相较于矩形框检测算法更加准确。

公开(公告)号：CN111260584A

公开(公告)日：2020-06-09

申请号：CN202010057181.7

申请日：2020-01-17

Applicant: 北京工业大学

Inventor： 胡永利 ,  王立国 ,  张勇 ,  王博岳 ,  员娇娇 ,  尹宝才

IPC: G06T5/00

Abstract: 本发明涉及一种基于GAN网络的水下退化图像恢复的方法，用于解决无成对数据集的水下退化图像恢复的问题。本方法的网络架构由两个生成器网络和两个判别器网络组成，两个生成器分别用来将水下退化图像转化为清晰图像和将生成的清晰图像复原为退化图像，两个生成器的结构相同参数不同。两个判别器分别判断第一个生成器生成的图像是否为清晰图像和判断第二个生成器生成的图像是否为退化的图像。首先训练生成器，当达到训练次数后，生成器参数不变，再训练判别器，当判别器达到训练次数后，判别器参数不变，继续训练生成器，如此循环往复，直到最小化损失函数完成对网络的优化训练，训练完成的第一生成器用于生成水下退化图像的清晰图像。

公开(公告)号：CN114372502B

公开(公告)日：2024-05-28

申请号：CN202111462501.8

申请日：2021-12-02

Applicant: 北京工业大学

Inventor： 胡永利 ,  武剑 ,  员娇娇 ,  尹宝才 ,  孙艳丰

IPC: G06V10/764 ,  G06F17/18 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0985 ,  G06V10/774

Abstract: 一种角度自适应的椭圆模板目标检测器应用于计算机视觉任务中的目标检测任务。本发明基于摆脱锚框的算法，直接预测物体的中心点并以此作为椭圆框的圆心，之后在结合预测出的椭圆框的长短轴长和旋转角度来完成物体检测。本发明为了加快更加有效的训练网络并更好学习椭圆的轮廓，提出了一种新的椭圆交并比损失。由于采用旋转椭圆框来检测物体，因此本发明相较于矩形框检测算法更加准确。