公开(公告)号：CN109101897A

公开(公告)日：2018-12-28

申请号：CN201810806439.1

申请日：2018-07-20

Applicant: 中国科学院自动化研究所

Inventor： 刘智勇 ,  张璐 ,  杨旭 ,  乔红

IPC: G06K9/00 ,  G06K9/32 ,  G06N3/04

Abstract: 本发明涉及机器人视觉、模式识别与机器学习领域，具体涉及一种水下机器人的目标检测方法、系统及相关设备。旨在提升目标检测技术对水下目标遮挡、变形、光照变化的鲁棒性。本发明的目标检测方法包括：获取原始的待检测图像；对原始的待检测图像进行像素值归一化，得到预处理后的待检图像；将预处理后的待检测图像输入目标检测网络进行检测，得到感兴趣区域的包围框和属于各目标类别的概率；根据感兴趣区域的包围框和属于各目标类别的概率，采用改进的非极大值抑制算法得到目标物体的包围框和所属类别。其中，目标检测网络中采用可变形卷积神经网络提取特征图，基于候选区域法进行目标检测。本发明的检测方法在保证速度的情况下提升了检测的精度。

公开(公告)号：CN112819110A

公开(公告)日：2021-05-18

申请号：CN202110420700.6

申请日：2021-04-19

Applicant: 中国科学院自动化研究所

Inventor： 刘智勇 ,  张璐 ,  杨旭 ,  亓鲁

IPC: G06K9/62

Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于权重生成的增量式小样本目标检测方法及系统，旨在解决现有目标检测器缺乏小样本快速学习和增量学习的能力，对标签数据依赖性强，检测器不具备开放性的问题。本发明包括：通过基础类别数据进行检测器监督训练；获取基础类别目标检测器的尺度感知和中心度感知的权重，生成基础类别响应；结合基础类别响应生成新类别权重；结合新类别数据进行基础类别目标检测器的微调训练；通过获得的基础类别和新类别的目标检测器实现增量式小样本目标检测。本发明结合尺度和中心度感知，区域特征更具代表性，目标定位更准确，模型在增量学习中可获得更好的整体性能，检测效率高、准确性和精度高。

公开(公告)号：CN112200163A

公开(公告)日：2021-01-08

申请号：CN202011393784.0

申请日：2020-12-03

Applicant: 中国科学院自动化研究所

Inventor： 杨旭 ,  万兆亮 ,  黄海 ,  张璐

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种水下底栖生物检测方法及系统，所述方法包括：获取多幅水下底栖生物图像及对应的特征信息；根据各水下底栖生物图像及对应的特征信息，建立底栖生物检测模型，包括：针对每一水下底栖生物图像，提取多维度的特征图；基于特征金字塔网络，将多维度的特征图进行特征融合，得到融合特征图；根据所述融合特征图，生成锚框；通过锚框对融合特征图进行调整，得到调整后的融合特征图；基于各融合特征图及对应的锚框，训练RPN网络，得到训练后的RPN网络；基于RPN网络及各锚框，确定感兴趣区域；根据各感兴趣区域及对应的特征信息，生成底栖生物检测模型；基于底栖生物检测模型进而，可准确确定所述待测底栖生物的待测特征信息，提高检测精度。