公开(公告)号：CN110490210A

公开(公告)日：2019-11-22

申请号：CN201910782708.X

申请日：2019-08-23

Applicant: 河南科技大学

Inventor： 董永生 ,  金铭鑫 ,  张宏艳 ,  贾怡婧 ,  张智勇 ,  荣兵 ,  刘中华 ,  王琳 ,  郑林涛

IPC: G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于紧致通道间t采样差分的彩色纹理分类方法，包括划分图像块，生成满足t分布的采样点；在每个图像块中，提取通道间t分布差分描述子；通过Fisher-PCA方法构建基于紧致通道间t采样差分的描述子(CITDD)；将最终得到的基于紧致通道间t采样差分的描述子(CITDD)通过线性SVM分类器进行分类的步骤。本发明中，首先通过t分布在图像块中采样微块，通过微块差分对不同颜色通道间的关系进行建模构建通道间t采样差分描述子(InterTDD)；随后将通道间t采样差分描述子(InterTDD)通过Fisher-PCA方法得到基于紧致通道间t采样差分的描述子；在五个公开的标准纹理数据集上的分类实验结果表示表明，与现有的具有代表性的彩色纹理分类方法相比，更加有效、实用、高效。

公开(公告)号：CN111723737B

公开(公告)日：2023-11-17

申请号：CN202010564966.3

申请日：2020-06-19

Applicant: 河南科技大学

Inventor： 董永生 ,  张智勇 ,  吴庆涛 ,  裴远桦 ,  郑博士 ,  蒋志强 ,  刘晴 ,  谭伟 ,  郑林涛 ,  王琳

IPC: G06V10/25 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/082

Abstract: 一种基于多尺度匹配策略深度特征学习的目标检测方法，基于残差神经网络，我们首先对不同类目标的宽高比进行聚类，并进一步使用多尺度匹配策略来选择默认框，缓解目标遮挡问题。然后，融合不同深度的特征图以检测不同尺度的物体。实验结果表明，与当前九种具有代表性的目标检测方法相比，我们提出的方法更具竞争力，速度更快，精度更高。

公开(公告)号：CN110490210B

公开(公告)日：2022-09-30

申请号：CN201910782708.X

申请日：2019-08-23

Applicant: 河南科技大学

Inventor： 董永生 ,  金铭鑫 ,  张宏艳 ,  贾怡婧 ,  张智勇 ,  荣兵 ,  刘中华 ,  王琳 ,  郑林涛

IPC: G06V10/56 ,  G06V10/77 ,  G06V10/764

Abstract: 本发明公开了一种基于紧致通道间t采样差分的彩色纹理分类方法，包括划分图像块，生成满足t分布的采样点；在每个图像块中，提取通道间t分布差分描述子；通过Fisher‑PCA方法构建基于紧致通道间t采样差分的描述子(CITDD)；将最终得到的基于紧致通道间t采样差分的描述子(CITDD)通过线性SVM分类器进行分类的步骤。本发明中，首先通过t分布在图像块中采样微块，通过微块差分对不同颜色通道间的关系进行建模构建通道间t采样差分描述子(InterTDD)；随后将通道间t采样差分描述子(InterTDD)通过Fisher‑PCA方法得到基于紧致通道间t采样差分的描述子；在五个公开的标准纹理数据集上的分类实验结果表示表明，与现有的具有代表性的彩色纹理分类方法相比，更加有效、实用、高效。

公开(公告)号：CN111723737A

公开(公告)日：2020-09-29

申请号：CN202010564966.3

申请日：2020-06-19

Applicant: 河南科技大学

Inventor： 董永生 ,  张智勇 ,  吴庆涛 ,  裴远桦 ,  郑博士 ,  蒋志强 ,  刘晴 ,  谭伟 ,  郑林涛 ,  王琳

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于多尺度匹配策略深度特征学习的目标检测方法，基于残差神经网络，我们首先对不同类目标的宽高比进行聚类，并进一步使用多尺度匹配策略来选择默认框，缓解目标遮挡问题。然后，融合不同深度的特征图以检测不同尺度的物体。实验结果表明，与当前九种具有代表性的目标检测方法相比，我们提出的方法更具竞争力，速度更快，精度更高。