公开(公告)号：CN107229904A

公开(公告)日：2017-10-03

申请号：CN201710268957.8

申请日：2017-04-24

Applicant: 东北大学

Inventor： 张云洲 ,  付兴 ,  张鹏飞 ,  李奇 ,  贾存迪 ,  郑瑞 ,  刘双伟

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的目标检测与识别方法，是在Linux系统下，利用caffe平台搭建该模型由卷积层、池化层、RPN层、ROIs层、ROI Pooling层、全连接层、Sparse PCA层、预测窗口与预测类别输出层组成。本发明提出了多RPN层融合策略，增强了对各尺度目标的检测能力；在两个全连接层之间添加了新的Spares PCA层，在降低了计算量的同时保证了准确率；最后针对目标位置预测，提出了对数抑制方法，改进了目标位置回归算法。最终达到了在保证检测精度的同时提高检测速度的目的。本发明实现了准确快速得对感兴趣目标的检测与识别，具有重大的应用价值。

公开(公告)号：CN107229904B

公开(公告)日：2020-11-24

申请号：CN201710268957.8

申请日：2017-04-24

Applicant: 东北大学

Inventor： 张云洲 ,  付兴 ,  张鹏飞 ,  李奇 ,  贾存迪 ,  郑瑞 ,  刘双伟

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的目标检测与识别方法，是在Linux系统下，利用caffe平台搭建该模型由卷积层、池化层、RPN层、ROIs层、ROI Pooling层、全连接层、Sparse PCA层、预测窗口与预测类别输出层组成。本发明提出了多RPN层融合策略，增强了对各尺度目标的检测能力；在两个全连接层之间添加了新的Spares PCA层，在降低了计算量的同时保证了准确率；最后针对目标位置预测，提出了对数抑制方法，改进了目标位置回归算法。最终达到了在保证检测精度的同时提高检测速度的目的。本发明实现了准确快速得对感兴趣目标的检测与识别，具有重大的应用价值。

公开(公告)号：CN107204018A

公开(公告)日：2017-09-26

申请号：CN201710267902.5

申请日：2017-04-24

Applicant: 东北大学

Inventor： 张云洲 ,  李奇 ,  王语涵 ,  徐宁 ,  暴吉宁 ,  贾存迪 ,  付兴

IPC: G06T7/90

CPC classification number: G06T7/90

Abstract: 一种基于光照差异的颜色补偿方法，包括以下步骤：首先就要将源图像和目标图像从RGB颜色空间变换到Lab颜色空间。在源图像和目标图像都转换到Lab颜色空间后，分别计算两幅图像每个通道的颜色统计特征。将一幅图像的颜色特征移植到另一幅图像中，在预处理阶段计算每一对相邻摄像机之间的CCT模型时，可通过同一个目标在两个摄像机图像中不同的观测结果求得；当没有可匹配的目标时，将会利用摄像机视野中的整个图像的色彩特征初始化CCT模型。在保证目标特征不丢失的情况下，本方法实现了视野内共现目标的颜色转换，在可靠特征提取算法的基础上，有效对颜色差异较大的目标进行颜色补偿，增加了外观关联的可靠性，时间负荷增加也不甚明显。

公开(公告)号：CN107194413A

公开(公告)日：2017-09-22

申请号：CN201710270756.1

申请日：2017-04-24

Applicant: 东北大学

Inventor： 张云洲 ,  贾存迪 ,  徐宁 ,  暴吉宁 ,  李奇 ,  付兴

IPC: G06K9/62

CPC classification number: G06K9/6203 ,  G06K9/6256

Abstract: 一种基于多特征融合的判别型级联外观模型的目标匹配方法，包括如下步骤：基于MIL进行训练样本集合的在线获取，并利用样本进行特征训练和学习；对目标模版提取多种特征融合形成健壮特征描述子，多次实验组合确定描述子权重，利用改进的B氏距离进行相似性度量；使用Top‑rank指标对RGB直方图和HOG等融合特征进行匹配性能评估；基于Adaboost算法进行不断学习和训练，经过理论推导和实验验证，分类器的误差率以指数级下降，直至稳定收敛；对训练样本数据集X＝{Xi|Xi∈{X+,X‑}}作为输入进行训练，得到跨视角样本组合的判别型外观模型H(x)；在线更新样本集合的标签并用于在线学习，再利用得到的示例的概率对粒子滤波的先验估计结果进行重加权。