公开(公告)号：CN110705698A

公开(公告)日：2020-01-17

申请号：CN201910984593.2

申请日：2019-10-16

Applicant: 南京林业大学

Inventor： 成锋娜 ,  周宏平 ,  张镜洋 ,  程卫国 ,  徐亮

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

Abstract: 本发明公开了一种尺度自适应感知的目标计数深度网络设计方法，所述包括以下步骤：步骤1：制作训练和测试样本集合；将每个图片的目标标注生成真实标签，步骤2：将训练集和测试集的图片及其对应的真实标签进行尺寸调整，步骤3：建立尺度自适应感知目标计数深度网络模型；步骤4：将步骤2获得训练样本输入到步骤3建立的卷积网络模型中，通过Adam优化策略对网络进行参数学习，步骤5：深度网络模型测试。本发明设计了一种尺度自适应感知的目标计数深度网络设计方法，其在公共安全、交通、林业、农业等多个领域有着极其重要的应用价值。

公开(公告)号：CN110705698B

公开(公告)日：2023-07-25

申请号：CN201910984593.2

申请日：2019-10-16

Applicant: 南京林业大学

Inventor： 成锋娜 ,  周宏平 ,  张镜洋 ,  程卫国 ,  徐亮

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种尺度自适应感知的目标计数深度网络设计方法，所述包括以下步骤：步骤1：制作训练和测试样本集合；将每个图片的目标标注生成真实标签，步骤2：将训练集和测试集的图片及其对应的真实标签进行尺寸调整，步骤3：建立尺度自适应感知目标计数深度网络模型；步骤4：将步骤2获得训练样本输入到步骤3建立的卷积网络模型中，通过Adam优化策略对网络进行参数学习，步骤5：深度网络模型测试。本发明设计了一种尺度自适应感知的目标计数深度网络设计方法，其在公共安全、交通、林业、农业等多个领域有着极其重要的应用价值。

公开(公告)号：CN111640092B

公开(公告)日：2024-01-16

申请号：CN202010430090.3

申请日：2020-05-20

Applicant: 南京林业大学

Inventor： 成锋娜 ,  张玉言 ,  张镜洋 ,  周宏平 ,  茹煜

IPC: G06V20/70 ,  G06V10/774 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了基于多任务协同特征重建目标计数网络的方法，该网络构建了掩膜估计、密度分布估计以及密度等级的多任务策略，分别学习了数据中的前景/背景、局部以及整体的上下文信息，进一步对这些信息进行重建以降低任务间的差异性并增强任务间的互补性，并与图片特征结合以提高表征的多样性。本发明通过渐进学习的方式降低直接进行密度回归的难度，其在林业、农业、交通等领域有着重要的应用价值。

公开(公告)号：CN111640092A

公开(公告)日：2020-09-08

申请号：CN202010430090.3

申请日：2020-05-20

Applicant: 南京林业大学

Inventor： 成锋娜 ,  张玉言 ,  张镜洋 ,  周宏平 ,  茹煜

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04

Abstract: 本发明公开了基于多任务协同特征重建目标计数网络的方法，该网络构建了掩膜估计、密度分布估计以及密度等级的多任务策略，分别学习了数据中的前景/背景、局部以及整体的上下文信息，进一步对这些信息进行重建以降低任务间的差异性并增强任务间的互补性，并与图片特征结合以提高表征的多样性。本发明通过渐进学习的方式降低直接进行密度回归的难度，其在林业、农业、交通等领域有着重要的应用价值。