公开(公告)号：CN109886147A

公开(公告)日：2019-06-14

申请号：CN201910086525.4

申请日：2019-01-29

Applicant: 电子科技大学

Inventor： 候少麒 ,  殷光强 ,  石方炎 ,  向凯 ,  杨晓宇

IPC: G06K9/00 ,  G06K9/40 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于单网络多任务学习的车辆多属性检测方法，该方法包括：图片收集与筛选；数据集制作；网络设计，基于Darknet深度学习框架，根据车辆多属性的特点采用端到端的、一阶段非级联模式设计网络结构，搭建网络模型；模型训练，设定并调整模型参数，根据设计的网络模型训练车辆多属性数据集，并在训练时，进行数据增强和多尺度训练；模型测试和模型评估六个步骤。本发明基于Darknet的深度学习框架平台进行设计、搭建网络模型，是一种端到端的一阶段非级联结构，网络通过采用数据增强、卷积核分离、多尺度特征融合等技术，提升了车辆多属性的检测效果，在实现较高检测精确率和查全率的同时，具有较好的实时性。

公开(公告)号：CN115035515B

公开(公告)日：2024-08-13

申请号：CN202210672381.2

申请日：2022-06-15

Applicant: 电子科技大学

Inventor： 李超 ,  殷光强 ,  常益凡 ,  杨晓宇 ,  刘学婷

IPC: G06V20/68 ,  G06T3/4053 ,  G06V10/30 ,  G06V10/46 ,  G06V10/75 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种馕识别方法，包括：A：采集馕的可见光图像及热红外图像，对可见光图像进行归一化处理，对热红外图像因遮挡而丢失的特征进行补全处理和清晰处理，再对热红外图像进行边缘细节和纹理的增强处理，处理后得到增强的热红外图像；B：对增强的热红外图像和归一化处理后的可见光图像进行配准；C：对配准后的图像进行超分辨率增强，再提取图像中的SIFT特征、LBP特征和HOG特征，然后基于SIFT特征、LBP特征和HOG特征识别出馕的种类并相应计数。该方法利用可见光技术与热红外技术相结合，能够实现馕的精准检测与高效识别，提高了馕的识别速度与准确度。

公开(公告)号：CN114898429B

公开(公告)日：2023-05-30

申请号：CN202210503206.0

申请日：2022-05-10

Applicant: 电子科技大学

Inventor： 殷光强 ,  李超 ,  王治国 ,  杨晓宇 ,  刘学婷

IPC: G06V40/16 ,  G06V10/82 ,  G06T3/40 ,  G06N3/08 ,  G06N3/0464

公开(公告)号：CN114913372B

公开(公告)日：2023-05-26

申请号：CN202210506178.8

申请日：2022-05-10

Applicant: 电子科技大学

Inventor： 殷光强 ,  李超 ,  王治国 ,  杨晓宇 ,  常益凡

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于多模态数据集成决策的目标识别算法，包括建立分类识别网络模型，并基于该建立分类识别网络模型进行图像多模态处理、图像无标签分类和图像集成决策分类；通过图像多模态处理获得基于复杂环境的多个数据集；通过无标签分类以区分正负样本，然后基于正负样本进行图像集成决策分类。本发明基于复杂环境变化，通过对数据集图像处理得到多模态数据，使得目标图像有了多层次可梯次化的特性，为后续模型训练得到更稳健的性能打下了良好的基础，以运用集成决策算法与无标签样本辨识算法结合实现环境自适应目标识别算法，在复杂环境下能高效、准确地识别出目标。

公开(公告)号：CN115035324A

公开(公告)日：2022-09-09

申请号：CN202210524304.2

申请日：2022-05-13

Applicant: 电子科技大学

Inventor： 殷光强 ,  李超 ,  王耀举 ,  杨晓宇 ,  李耶

IPC: G06V10/72 ,  G06V10/774 ,  G06V10/82 ,  G06V40/16 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及图像识别与启发式学习技术领域，特别是涉及一种多方位算法模型的自适配方法，包括算法模型自适配、外设自适配和传输自适配；其中算法模型自适配即选择最合适的算法模型，具体包括图像的采集与预处理以及算法模型的统计分析；所述外设自适配具体指：通过调节外设参数，识别并训练得到的最合适的算法模型，最终输出专有化模型；所述传输自适配具体指：对输出的专有化模型进行仿真和测试，并根据结果进一步优化该专有化模型。通过本自适配方法，能有效解决普适算法在某些场景或时间下精确度不高的问题。

公开(公告)号：CN114913372A

公开(公告)日：2022-08-16

申请号：CN202210506178.8

申请日：2022-05-10

Applicant: 电子科技大学

Inventor： 殷光强 ,  李超 ,  王治国 ,  杨晓宇 ,  常益凡

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于多模态数据集成决策的目标识别算法，包括建立分类识别网络模型，并基于该建立分类识别网络模型进行图像多模态处理、图像无标签分类和图像集成决策分类；通过图像多模态处理获得基于复杂环境的多个数据集；通过无标签分类以区分正负样本，然后基于正负样本进行图像集成决策分类。本发明基于复杂环境变化，通过对数据集图像处理得到多模态数据，使得目标图像有了多层次可梯次化的特性，为后续模型训练得到更稳健的性能打下了良好的基础，以运用集成决策算法与无标签样本辨识算法结合实现环境自适应目标识别算法，在复杂环境下能高效、准确地识别出目标。

公开(公告)号：CN111551259A

公开(公告)日：2020-08-18

申请号：CN202010382177.8

申请日：2020-05-08

Applicant: 电子科技大学

Inventor： 候少麒 ,  殷光强 ,  李耶 ,  杨晓宇 ,  李慧萍 ,  李超

IPC: G01J5/00 ,  G01K15/00 ,  G01S5/02

Abstract: 本发明涉及温度校正技术领域，具体而言，涉及一种基于UWB和红外传感器协同的测温校正方法，该方法通过设置定位装置，避免普通距离传感器造成的二次距离误差。利用基于最小二乘的多项式拟合法确定红外传感器与样本目标实际温度值的关系，从而可以达到对距离变化的温度补偿，并与红外传感器的测试温度相结合，从而确定样本目标的精确温度。如此，能够精确测量样本目标的温度，还能够锁定待测目标的空间位置。