公开(公告)号：CN109165542A

公开(公告)日：2019-01-08

申请号：CN201810673838.5

申请日：2018-06-27

Applicant: 中国人民解放军陆军工程大学

Inventor： 芮挺 ,  邹军华 ,  杨成松 ,  王东 ,  解文彬 ,  赵启林 ,  殷勤 ,  邵发明 ,  田辉 ,  陆鸣 ,  张釜恺 ,  艾勇保

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

Abstract: 本发明公开一种基于精简卷积神经网络的行人检测方法，包括如下步骤：(10)数据集收集：将数据集图像分为训练集图像与测试集图像；(20)数据集图像预处理：对数据集图像进行尺寸变换、对比度归一化和白化处理，得到低冗余数据灰度图像；(30)精简卷积神经网络模型获取：对卷积神经网络进行训练，对训练好的卷积神经网络逐层进行剪枝，利用测试集灰度图像验证卷积神经网络的性能，得到精简深度卷积网络模型；(40)行人检测：利用精简卷积神经网络模型，对使用现场图像进行行人检测。本发明的基于精简卷积神经网络的行人检测方法，在保持网络训练精度的同时，对卷积神经网络进行精简，在减少网络规模的同时，加快行人检测的速度。

公开(公告)号：CN110717981A

公开(公告)日：2020-01-21

申请号：CN201910834288.5

申请日：2019-09-05

Applicant: 中国人民解放军陆军工程大学

Inventor： 芮挺 ,  张釜恺 ,  杨成松 ,  王东 ,  陈飞琼 ,  殷勤 ,  赵杰 ,  邵发明 ,  赵华琛 ,  刘恂 ,  郑南

IPC: G06T17/05

Abstract: 本发明公开一种小型机器人室内可通行区域建模方法，包括如下步骤：(10)单目SLAM：利用机器人上的单目相机获取室内环境图像，输入单目SLAM系统，得到相机的位姿与稀疏的特征点云；(20)图像分割：对室内环境图像进行分割，获取地面区域；(30)地平面拟合：提取位于地面区域的点，滤波、拟合，得到地平面；(40)分割图像筛选：利用地平面位置，对分割好的地面区域进行筛选，得到符合要求的地面区域；(50)稠密地面建模：将地面分割图像投影到地平面上，得到稠密的地面点云模型。本发明方法及装置，成本低，实时性好，建模效果好。

公开(公告)号：CN115339120A

公开(公告)日：2022-11-15

申请号：CN202210969753.8

申请日：2022-08-12

Applicant: 中国人民解放军陆军工程大学

Inventor： 林渊 ,  张中威 ,  宋春明 ,  张釜恺 ,  熊自明 ,  孙慜倩 ,  吴健安 ,  李华冠 ,  夏晔 ,  卢建国 ,  王明洋

IPC: B29C67/00 ,  B29B11/06 ,  B29B11/16 ,  B29C70/68 ,  B29C35/00 ,  B29C35/02 ,  B29C33/38 ,  B29C33/40

Abstract: 一种纤维‑金属超混杂槽型构件的成形工艺及质检方法，涉及复合材料板材成形技术领域。采用组合模具与钢制阴模、硅胶气囊软模共同组成固化工装系统，将气囊软模成形工艺与刚性模成形工艺相结合应用于纤维金属超混杂槽型构件的成形中，采用先刚性模预成形、后气囊软模加压固化成形的方式，充分发挥刚性模成形与气囊软模成形的优势，克服了单一刚性模成形超混杂槽型构件时，翼缘部分压力不均、转角部分压力不足的问题，改善了超混杂槽型构件成形后的尺寸精度，提升了层间界面的结合强度，同时降低了纤维层内因成形压力不均造成的空洞、孔隙等缺陷。

公开(公告)号：CN109284779A

公开(公告)日：2019-01-29

申请号：CN201811047839.5

申请日：2018-09-04

Applicant: 中国人民解放军陆军工程大学

Inventor： 芮挺 ,  肖锋 ,  王东 ,  方虎生 ,  周飞 ,  芮思琦 ,  刘好全 ,  赵杰 ,  杨成松 ,  朱经纬 ,  齐奕 ,  张釜恺

IPC: G06K9/62

Abstract: 本发明公开一种基于深度全卷积神经网络的物体检测方法，包括如下步骤：(10)样本集收集：将样本集图像分为训练集与测试集；(20)样本标注：对样本集图像中不同的物体用长方形物体框标注出物体位置，物体框必须与物体的边缘相切；完成图像中各物体的语义标注；(30)深度卷积网络模型获取：利用标注后的训练样本，对深度卷积网络进行多任务训练，同时完成语义分割和物体边界关键点预测，利用测试集样本对深度卷积网络进行测试，得到深度卷积网络模型；(40)物体检测：利用深度卷积网络模型，对现场图像进行物体检测。本发明基于深度卷积网络的物体检测方法，采用语义分割的思想，在完成语义分割的同时完成物体的边界关键点预测，同时实现了物体定位与物体分类。

公开(公告)号：CN109034370A

公开(公告)日：2018-12-18

申请号：CN201810678956.5

申请日：2018-06-27

Applicant: 中国人民解放军陆军工程大学

Inventor： 芮挺 ,  周遊 ,  邹军华 ,  杨成松 ,  袁辉 ,  王东 ,  李宏伟 ,  陆鸣 ,  田辉 ,  殷勤 ,  艾永保 ,  张釜恺

IPC: G06N3/04

CPC classification number: G06N3/0454

Abstract: 一种基于特征映射剪枝的卷积神经网络精简方法，针对某个任务训练好的卷积神经网络模型，自顶层到底层，逐层利用筛选策略对网络中的特征映射进行筛选，并通过关键点确定每一层的精简程度，每完成一层的筛选，对网络进行重新训练直到恢复之前的准确率，最终在不损失性能的前提下获得一个精简、高效的网络模型，以满足计算、存储资源有限情况下卷积神经网络的应用要求。实验表明，本发明可以有效地除去网络中对性能提升无效冗余的特征映射，在保持网络性能的同时，减少了网络规模，提升了网络的运行速度，对卷积神经网络在移动端的应用具有重要意义。