公开(公告)号：CN110503112A

公开(公告)日：2019-11-26

申请号：CN201910794606.X

申请日：2019-08-27

Applicant: 电子科技大学

Inventor： 程建 ,  林莉 ,  李灿 ,  周晓晔 ,  李月男

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种增强特征学习的小目标检测及识别方法，属于图像处理、模式识别及计算机视觉领域，解决现有技术中小目标检测与识别任务检测精度低且网络效率低的问题。本发明依次构建基础网络模块、特征提取模块、候选框产生模块和预测输出模块作为小目标检测与识别网络；基于提取小目标样本图像数据，并对提取的小目标样本图像数据进行预处理；得到预处理的小目标样本图像数据输入初始化了参数的小目标检测与识别网络中进行训练，得到训练好后的小目标检测与识别网络；将待预测的小目标图像输入已经训练好的小目标检测与识别网络，通过前向传播，实现端到端地输出小目标的预测框位置与类别信息。本发明用于小目标检测与识别。

公开(公告)号：CN110503112B

公开(公告)日：2023-02-03

申请号：CN201910794606.X

申请日：2019-08-27

Applicant: 电子科技大学

Inventor： 程建 ,  林莉 ,  李灿 ,  周晓晔 ,  李月男

IPC: G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种增强特征学习的小目标检测及识别方法，属于图像处理、模式识别及计算机视觉领域，解决现有技术中小目标检测与识别任务检测精度低且网络效率低的问题。本发明依次构建基础网络模块、特征提取模块、候选框产生模块和预测输出模块作为小目标检测与识别网络；基于提取小目标样本图像数据，并对提取的小目标样本图像数据进行预处理；得到预处理的小目标样本图像数据输入初始化了参数的小目标检测与识别网络中进行训练，得到训练好后的小目标检测与识别网络；将待预测的小目标图像输入已经训练好的小目标检测与识别网络，通过前向传播，实现端到端地输出小目标的预测框位置与类别信息。本发明用于小目标检测与识别。

公开(公告)号：CN109063666A

公开(公告)日：2018-12-21

申请号：CN201810921647.6

申请日：2018-08-14

Applicant: 电子科技大学

Inventor： 程建 ,  刘济樾 ,  刘三元 ,  苏炎洲 ,  李月男

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

CPC classification number: G06K9/00288 ,  G06K9/6273 ,  G06N3/0454 ,  G06N3/084

Abstract: 本发明公开了一种基于深度可分离卷积的轻量化人脸识别方法及系统，该人脸识别方法包括：对三层级联卷积神经网络进行训练，得到训练好的三层级联卷积神经网络；对深度可分离卷积神经网络进行训练，得到深度可分离卷积神经网络模型；对深度可分离卷积神经网络模型中的卷积层的权重系数进行压缩，得到训练好的深度可分离卷积神经网络模型；输入待识别人脸图像至训练好的三层级联卷积神经网络进行图像预处理，然后输出预处理图像至训练好的深度可分离卷积神经网络模型进行人脸识别。本发明通过采用深度可分离卷积减少计算量，降低模型大小，并进一步对深度可分离卷积神经网络模型中的卷积层的权重系数进行压缩，使得模型缩小35到49倍。