公开(公告)号：CN110929593A

公开(公告)日：2020-03-27

申请号：CN201911078936.5

申请日：2019-11-06

Applicant: 哈尔滨工业大学(威海)

Inventor： 陈彬 ,  赵聪聪 ,  白雪峰 ,  于水 ,  胡明亮 ,  朴铁军

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 一种基于细节辨别区别的实时显著性行人检测方法，在现有的图像数据集中进行参数预训练；对监控视频中的视频数据读取并转化为可处理的图像格式；对步骤B中的图像进行特征提取；预训练的模型参数迁移到YOLO神经网络模型，在行人检测数据集上进行网络模型训练，用训练好的网络模型根据行人特征H和显著性特征进行行人检测。通过现有公开图像数据集中上进行参数预训练并引入到YOLO神经网络模型上，根据检测显著性区域特征和注重细节辨别区分的行人特征，进而实时的对行人进行检测，此种方法相比于单纯利用YOLO模型，有效地增加模型的多尺度预测泛化能力和极大的提高了系统的检测速率以及降低漏检率。

公开(公告)号：CN110929593B

公开(公告)日：2023-06-20

申请号：CN201911078936.5

申请日：2019-11-06

Applicant: 哈尔滨工业大学(威海)

Inventor： 陈彬 ,  赵聪聪 ,  白雪峰 ,  于水 ,  胡明亮 ,  朴铁军

IPC: G06V40/10 ,  G06V10/56 ,  G06V10/46 ,  G06V10/774 ,  G06V10/762 ,  G06V10/764

Abstract: 一种基于细节辨别区别的实时显著性行人检测方法，在现有的图像数据集中进行参数预训练；对监控视频中的视频数据读取并转化为可处理的图像格式；对步骤B中的图像进行特征提取；预训练的模型参数迁移到YOLO神经网络模型，在行人检测数据集上进行网络模型训练，用训练好的网络模型根据行人特征H和显著性特征进行行人检测。通过现有公开图像数据集中上进行参数预训练并引入到YOLO神经网络模型上，根据检测显著性区域特征和注重细节辨别区分的行人特征，进而实时的对行人进行检测，此种方法相比于单纯利用YOLO模型，有效地增加模型的多尺度预测泛化能力和极大的提高了系统的检测速率以及降低漏检率。

公开(公告)号：CN109978880A

公开(公告)日：2019-07-05

申请号：CN201910277632.5

申请日：2019-04-08

Applicant: 哈尔滨理工大学 ,  哈尔滨工业大学(威海)

Inventor： 王进科 ,  赵聪聪 ,  祖宏亮 ,  黄飞 ,  杨博韬

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06K9/62

Abstract: 本发明公开一种采用高维特征选择对肺部肿瘤CT图像进行良恶性判别的方法，该方法包括：获取肺部图像数据库中获取带有明确诊断结论的肺部肿瘤CT图像，形成单个样本；采用最大类间方差法对预处理后的ROI区域进行分割，以准确刻画肺部肿瘤CT图像的形状、纹理和灰度特征；对获取到的肺部CT图像进行区域特征提取，对提取到的特征进行82维特征分量归一化，从而共同量化ROI；利用BRS和GA算法进行属性约简，降低分类器的时间复杂度和空间复杂度，提高分类性能；利用布谷鸟算法及SVM方式，进行参数全局寻优分类操作，进行肺部肿瘤高维特征选择。该方法对于诊断肺癌具有很好的辅助作用，能够有效降低漏诊率和误诊率。