公开(公告)号：CN117409292A

公开(公告)日：2024-01-16

申请号：CN202311335632.9

申请日：2023-10-16

Applicant: 河南科技大学

Inventor： 董永生 ,  刘亚峰 ,  李宗辉 ,  裴远桦 ,  郑林涛 ,  陈桂 ,  张明川 ,  吴庆涛

IPC: G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06V10/762 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度残差多分支的目标检测方法，首先聚类目标宽高比，划分单元格，然后对每幅图像进行骨干网络MSRes的特征提取，再使用特征金字塔结构对骨干网络不同特征层输出进行融合，最后在整个网络的不同深度进行多尺度特征融合并进行模型训练进行评估指标，输出检测结果。本发明由一个MSE结构、一个CFR结构和MSRes主干组成多尺度残差多分支网络的目标检测算法MRMNet，更关注多尺度表达能力和小目标检测精度，可以增强特征、缓解小对象被相互冲突的语义信息淹没的问题。

公开(公告)号：CN114170065A

公开(公告)日：2022-03-11

申请号：CN202111227797.5

申请日：2021-10-21

Applicant: 河南科技大学

Inventor： 董永生 ,  谭伟 ,  郑林涛 ,  裴远桦 ,  卢乃昕 ,  赵开元 ,  荣兵

IPC: G06T3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于卡通损失的生成对抗网络的卡通化方法，本发明首先通过重用判别器的方式构建一个紧凑的基于生成对抗网络的卡通化架构；然后按照特定的初始化策略对重用判别器的生成对抗网络模型进行初始化；最后通过卡通损失函数进行卡通风格迁移。大量实验结果证明本发明提出的卡通化方法可以生成令人满意的卡通风格图像，并且优于现有的其他几种代表性方法。

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。

公开(公告)号：CN114170065B

公开(公告)日：2024-08-02

申请号：CN202111227797.5

申请日：2021-10-21

Applicant: 河南科技大学

Inventor： 董永生 ,  谭伟 ,  郑林涛 ,  裴远桦 ,  卢乃昕 ,  赵开元 ,  荣兵

IPC: G06T3/04 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供一种基于卡通损失的生成对抗网络的卡通化方法，本发明首先通过重用判别器的方式构建一个紧凑的基于生成对抗网络的卡通化架构；然后按照特定的初始化策略对重用判别器的生成对抗网络模型进行初始化；最后通过卡通损失函数进行卡通风格迁移。大量实验结果证明本发明提出的卡通化方法可以生成令人满意的卡通风格图像，并且优于现有的其他几种代表性方法。

公开(公告)号：CN117409291A

公开(公告)日：2024-01-16

申请号：CN202311335628.2

申请日：2023-10-16

Applicant: 河南科技大学

Inventor： 董永生 ,  李宗辉 ,  刘亚峰 ,  裴远桦 ,  郑林涛 ,  陈桂 ,  张明川 ,  吴庆涛

IPC: G06V10/82 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于细化特征增强网络的目标检测方法，首先通过骨干网处理输入图片进行初步特征提取，获取三个有效特征图C3、C4、C5，其次特征增强模块对提取的有效特征图C5进行增强得到特征图C5’，然后使用多分支扩张注意力机制进行细化，得到特征图C5’’，再通过特征金字塔融合特征图C3、C4、C5’’得到融合特征结果图输出图片中的物体位置、类别和置信度，最后进行模型训练，输出检测结果。本发明提出了特征增强模块和多分支扩张注意力机制，用于特征图的增强和细化，从而获得有效的全局信息。

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。