公开(公告)号：CN117689865A

公开(公告)日：2024-03-12

申请号：CN202211025096.8

申请日：2022-08-25

Applicant: 中国科学院计算技术研究所

Inventor： 张蕊 ,  郭家明 ,  支天 ,  黄迪 ,  张曦珊 ,  郭崎

IPC: G06V10/25 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出一种基于特征和融合模式搜索的目标检测方法和系统，包括：构建包括融合特征搜索单元和融合模式搜索单元的特征融合网络；融合特征搜索单元从图片的多尺度特征中搜索得到各尺度下的最优特征；从所有最优特征中选择两个特征作为候选特征对，融合模式搜索单元根据候选特征对，从包括多个候选融合操作的操作集中搜索得到融合策略，对候选特征对进行特征融合，得到融合特征；基于融合特征确定图片中检测目标的预测位置类别。使用了神经网络搜索算法并根据上述关键因素设计融合特征搜索单元和融合模式搜索单元，减小了搜索时的计算开销和内存开销并有效找到好的结构。

公开(公告)号：CN117671231A

公开(公告)日：2024-03-08

申请号：CN202211024977.8

申请日：2022-08-25

Applicant: 中国科学院计算技术研究所

Inventor： 张蕊 ,  郭家明 ,  支天 ,  黄迪 ,  张曦珊 ,  郭崎

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出一种基于特征和路径搜索的目标检测方法和系统，包括：构建包括融合特征搜索单元和融合路径搜索单元的特征融合网络；该融合特征搜索单元从图片的多尺度特征中搜索得到各尺度下的最优特征；对各尺度下的该最优特征的通道进行分组，该融合路径搜索单元从各分组中搜索得到候选特征，构建多个由两个候选特征构成的候选特征对；基于预设的融合策略对该候选特征对进行特征融合，得到每个该候选特征对的融合特征，以确定图片中检测目标的预测位置类别。

公开(公告)号：CN117475254A

公开(公告)日：2024-01-30

申请号：CN202311329374.3

申请日：2023-10-13

Applicant: 中国科学院计算技术研究所

Inventor： 胡杏 ,  党朴成 ,  韩虎生 ,  黄迪 ,  张蕊 ,  杜子东 ,  郭崎 ,  陈云霁

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/762

Abstract: 本发明提出一种破除图像数据不可学习噪声的深度学习训练方法，包括：获取训练图像样本，构建为分类数据集；对所有该训练图像样本进行聚类，获取各聚类簇的聚类信息，根据该聚类信息，生成该分类数据集的过拟合指标；以该分类数据集对目标图像分类模型进行训练，基于该过拟合指标判断每个训练轮是否出现过拟合，并对每个训练轮的学习率进行动态调整。本发明还提出一种破除图像数据不可学习噪声的深度学习训练系统，以及一种用于实现破除图像数据不可学习噪声的深度学习训练的数据处理装置。

公开(公告)号：CN117689864A

公开(公告)日：2024-03-12

申请号：CN202211024965.5

申请日：2022-08-25

Applicant: 中国科学院计算技术研究所

Inventor： 张蕊 ,  郭家明 ,  支天 ,  黄迪 ,  张曦珊 ,  郭崎

IPC: G06V10/25 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0499

Abstract: 本发明提出一种硬件感知的高效特征融合网络搜索方法和系统，包括：构建包括融合特征搜索单元、融合路径搜索单元和融合模式搜索单元的特征融合网络；特征融合网络从图片的多尺度特征中搜索得到各尺度下的最优特征；对各尺度下的最优特征的通道进行分组，融合路径搜索单元从各分组中搜索得到候选特征，构建多个由两个候选特征构成的候选特征对；根据候选特征对，融合模式搜索单元从包括多个候选融合操作的操作集中搜索得到融合策略，并以融合策略对候选特征对进行特征融合，得到每个候选特征对的融合特征；基于融合特征确定图片中检测目标的预测位置类别。把在目标硬件上特征融合网络的硬件开销作为搜索目标；在目标硬件上能实现精度和计算开销的良好权衡。