公开(公告)号：CN112884037A

公开(公告)日：2021-06-01

申请号：CN202110178314.0

申请日：2021-02-09

Applicant: 中国科学院光电技术研究所

Inventor： 唐川明 ,  秦鹏 ,  张建林 ,  徐智勇

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40 ,  G06T7/246 ,  G06T7/73

Abstract: 本发明公开了一种基于模板更新和无锚框方式的目标跟踪方法，主要用于对视频目标进行跟踪，确定目标在视频中的位置和大小。该方法包括对训练数据集进行裁剪；对卷积神经网络的构建和改进；实现基于无锚框和椭圆标注下的预测框回归结构；更新目标模板并进行特征融合以提高模板鲁棒性；使用带距离度量的重叠率回归损失函数提高训练的收敛效果和对目标的拟合程度等步骤。本发明解决了跟踪方法中目标模板随时间逐渐退化，跟踪漂移甚至丢失的问题，使得改进后的网络结构更加鲁棒和稳定，在保持实时跟踪的基础上实现较高精度的跟踪效果。

公开(公告)号：CN112561054A

公开(公告)日：2021-03-26

申请号：CN202011394192.0

申请日：2020-12-03

Applicant: 中国科学院光电技术研究所

Inventor： 罗辉 ,  张建林 ,  徐智勇 ,  李红川

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于批量特征热图的神经网络滤波器剪枝方法，该方法主要用于减少模型存储量和提升模型推理速度。该方法包括加载并在给定数据集上微调预训练模型；生成模型每一层的批量特征热图；基于灰度阈值得到各滤波器的Mask为滤波器进行评分；对给定数据集进行随机不重复的抽取去更新滤波器的得分；以滤波器的得分为衡量准则实现每层滤波器的剪枝；重训练剪枝后的模型恢复精度等步骤。本发明解决了神经网络模型存储量大、推理速度慢的问题，使得剪枝后的神经网络模型可以在产生极小精度降低的情况下应用于资源受限的场景。

公开(公告)号：CN106599864A

公开(公告)日：2017-04-26

申请号：CN201611189169.1

申请日：2016-12-21

Applicant: 中国科学院光电技术研究所

Inventor： 刘佳 ,  余化鹏 ,  张建林 ,  徐智勇 ,  魏宇星

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明是一种基于极值理论的深度人脸识别方法，包括通过深度卷积神经网络对训练人脸图像进行特征提取，对提取的特征进行SVM分类训练，得到决策面，通过深度卷积神经网络对测试人脸图像进行特征提取，结合分类训练得到的决策面进行预测，得到决策值，基于极值理论对决策值进行统计分析得出预测结果。该方法只需每个人脸类具有极少量的训练样本，能够适应实际应用中人脸在很大范围内的光照、姿态、表情、遮挡等变化，能够有效区分陌生人脸，识别率高。同时该方法训练效率高，能够适应实际应用中对增量学习的需求。

公开(公告)号：CN103839066A

公开(公告)日：2014-06-04

申请号：CN201410091362.6

申请日：2014-03-13

Applicant: 中国科学院光电技术研究所

Inventor： 徐智勇 ,  余化鹏 ,  魏宇星 ,  张建林

IPC: G06K9/46 ,  G06K9/00

Abstract: 本发明是一种源于生物视觉的特征提取方法，包括对原始输入图像进行多方向多尺度Gabor滤波得到原始输入图像的一组响应，用于模拟视皮层简单细胞感受野的局部与方向敏感特性；对这一组响应的每一个位置求得其最大响应值及其对应的方向，用于模拟视皮层复杂细胞感受野的不变性提取特性；将这一组响应划分为若干个相等大小的方块并以方块为单位按照方向进行直方图统计，其每一个位置按照其最大响应值方向进行统计，用以反映特征的全局空间分布特性；以方块为单位进行累加与规范化操作得到一组既具有选择性也具有不变性的特征向量。该方法模拟视皮层简单细胞与复杂细胞感受野的特性，对复杂场景的图像得到低维且有效的特征，用于目标识别、检测、跟踪领域。

公开(公告)号：CN103295241A

公开(公告)日：2013-09-11

申请号：CN201310259775.6

申请日：2013-06-26

Applicant: 中国科学院光电技术研究所

Inventor： 徐智勇 ,  金炫 ,  魏宇星 ,  张建林

IPC: G06T7/00

Abstract: 本发明是一种基于Gabor小波的频域显著性目标检测方法，S1.将输入彩色图像转换成灰度图像，建立方向特征图；S2.根据人眼对输入彩色图像的不同颜色的敏感度，建立两个颜色特征图；S3.将输入彩色图像作灰度特征图；S4.利用四个所述特征图建立多项式矩阵；S5.对四个所述特征图组成的多项式矩阵做傅立叶变换，得到的频域多项式矩阵并提取出幅度谱矩阵；S6.对幅度谱矩阵做多个尺度的高斯低通滤波，对一组幅度谱在做多项式反傅立叶变换，得到多个时域多项式矩阵；S7.对多个时域多项式矩阵按照不同尺度因子分为不同的时域多项式，对每个时域多项式做直方图并计算一维熵函数，提取最小信息熵对应的时域显著图作为最终检测结果。

公开(公告)号：CN103247032A

公开(公告)日：2013-08-14

申请号：CN201310149464.4

申请日：2013-04-26

Applicant: 中国科学院光电技术研究所

Inventor： 祁小平 ,  李红川 ,  欧阳益民 ,  张建林 ,  魏宇星 ,  胡锦龙

IPC: G06T5/00 ,  G06T3/00 ,  G06T7/20

Abstract: 本发明是一种基于姿态补偿的微弱扩展目标定位方法，首先采样高斯平滑滤波对待处理图像进行预处理以去除噪声对后续算法的影响，然后采用边界跟踪法得到单像素的二值边缘，对目标的轮廓边缘点进行滤波，剔除干扰点；其次利用目标轮廓边缘点计算目标的惯量椭圆及其参数，确定目标的姿态，再利用基于姿态补偿的定位方法求得目标的平移参数和旋转参数，从而实现对目标旋转、平移、缩放等情况的定位。