公开(公告)号：CN116758409A

公开(公告)日：2023-09-15

申请号：CN202210210124.7

申请日：2022-03-03

申请人： 四川大学

发明人： 熊书琪 ,  吴晓红 ,  卿粼波 ,  曾王明 ,  崔珂璠 ,  李自强 ,  王正勇

IPC分类号： G06V20/10 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

摘要： 本发明公开了一种基于单锚框采样的遥感图像目标检测方法，涉及计算机视觉和人工智能领域。方法包括：(1)首先，特征图被分割为N×N的网格，并计算每个网格的坐标。然后，一个网格的单位长度为半径生成一个采样框，当某个网格的格点落入采样框中，则该格点是负责预测当前标签的正样本，在每个正样本铺设一种比例的锚框；(2)进一步地计算每个类别的实例标签坐标距离对应采样框四个边界的距离，再将得到的距离用过误差转化公式得到一个惩罚值；(3)进一步地在骨干网络中引入视觉变压器，来加强特征的表达能力，提高网络的整体检测精度。本发明能够有效地提高在遥感图像中的检测精度，在目标检测等领域具有开阔的应用前景。

公开(公告)号：CN113762007B

公开(公告)日：2023-08-01

申请号：CN202011263894.5

申请日：2020-11-12

申请人： 四川大学

发明人： 陈洪刚 ,  李自强 ,  王正勇 ,  何小海 ,  刘强 ,  吴晓红 ,  熊书琪

IPC分类号： G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了一种基于外观和动作特征双预测的异常行为检测方法，涉及计算机视觉和人工智能领域。方法包括：(1)顺序读取视频帧序列，计算相邻图像的帧间差，获取固定长度的视频帧序列和对应的帧差图序列；(2)利用引入记忆增强模块的双流网络模型，分别通过外观和动作子网络提取属于正常行为的特有外观和动作特征，并预测视频帧图和帧差图；(3)将预测的视频帧和帧差图相加融合，得到最终的预测视频帧；(4)通过评估记忆增强模块所提取动作和外观特征以及最终预测图像质量获取该帧异常得分。本发明采用基于预测模型的深度学习方法，能够有效地将含异常行为的视频帧检测出来，提高了异常检测的准确率。

公开(公告)号：CN113762007A

公开(公告)日：2021-12-07

申请号：CN202011263894.5

申请日：2020-11-12

申请人： 四川大学

发明人： 陈洪刚 ,  李自强 ,  王正勇 ,  何小海 ,  刘强 ,  吴晓红 ,  熊书琪

IPC分类号： G06K9/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于外观和动作特征双预测的异常行为检测方法，涉及计算机视觉和人工智能领域。方法包括：(1)顺序读取视频帧序列，计算相邻图像的帧间差，获取固定长度的视频帧序列和对应的帧差图序列；(2)利用引入记忆增强模块的双流网络模型，分别通过外观和动作子网络提取属于正常行为的特有外观和动作特征，并预测视频帧图和帧差图；(3)将预测的视频帧和帧差图相加融合，得到最终的预测视频帧；(4)通过评估记忆增强模块所提取动作和外观特征以及最终预测图像质量获取该帧异常得分。本发明采用基于预测模型的深度学习方法，能够有效地将含异常行为的视频帧检测出来，提高了异常检测的准确率。