视频理解方法
    2.
    发明公开

    公开(公告)号:CN108921087A

    公开(公告)日:2018-11-30

    申请号:CN201810699566.6

    申请日:2018-06-29

    Abstract: 本发明涉及计算机视觉技术领域,具体涉及一种视频理解方法,旨在解决如何有效提取视频的密集帧特征和长期时空特征的技术问题。为此目的,本发明提供的视频理解方法首先利用残差网络获取目标视频的视频帧组,然后利用时序关系网络并根据多个视频帧组生成视频的时序关系特征,最后根据时序关系特征预测目标视频的视频行为类别。其中,视频帧组包括两个有序视频帧,每个有序视频帧均包括多个按照时间顺序依次排列的视频帧。基于上述步骤,能够有效获取到目标视频的密集帧特征和长期时空特征,进而可以快速且准确地预测出目标视频的视频行为类别。

    深度卷积神经网络的压缩方法及系统

    公开(公告)号:CN111612143B

    公开(公告)日:2023-12-19

    申请号:CN202010440475.8

    申请日:2020-05-22

    Abstract: 本发明涉及一种深度卷积神经网络的压缩方法及系统,所述压缩方法包括:根据滤波器重要性选择方式和/或模型压缩率,确定待压缩深度卷积神经网络中不重要的滤波器;对不重要的滤波器施加渐进式稀疏约束,作为正则项加入到网络训练的损失函数中,得到优化损失函数;根据正则项,采用阈值迭代算法及反向传播算法联合求解,得到待压缩深度卷积神经网络的更新参数;基于所述优化损失函数及更新参数,获得具有滤波器稀疏形式的卷积神经网络模型;利用结构化剪枝算法,对所述具有滤波器稀疏形式的卷积神经网络模型进行剪枝,得到网络精度较高的压缩后的卷积神经网络模型。

    在CPU上实时多尺度人脸检测方法与系统及相关设备

    公开(公告)号:CN109815789A

    公开(公告)日:2019-05-28

    申请号:CN201811514183.3

    申请日:2018-12-11

    Abstract: 本发明涉及人脸检测技术领域,具体涉及一种在CPU上实时多尺度人脸检测方法与系统及相关设备,目的在于降低人脸检测的硬件成本,提高人脸检测的速度与准确度。本发明的人脸检测系统包括:特征提取模块、多尺度检测模块和非极大值抑制模块。其中,特征提取模块配置为:从待检测图像中提取关键特征,得到多尺度的待检测特征图;多尺度检测模块配置为:根据多尺度的待检测特征图预测人脸得分和相应的位置;非极大值抑制模块配置为:根据人脸得分进行非极大值抑制,从而得到检测结果。本发明降低了人脸检测的硬件成本,提高了多尺度人脸检测的速度与准确度,能在CPU上实现准确率较高的多尺度人脸检测功能,继而可以应用在手机等平台上。

Patent Agency Ranking