公开(公告)号：CN115601787A

公开(公告)日：2023-01-13

申请号：CN202211184075.0

申请日：2022-09-27

Applicant: 哈尔滨工业大学(CN)

Inventor： 张永强 ,  丁明理 ,  张子安 ,  张印 ,  田瑞 ,  张漫

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/72 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于缩略表示的快速人体姿态估计方法，涉及计算机视觉技术领域，针对现有技术中通过小尺寸图像减少模型的计算量时，会导致模型准确率下降的问题。本申请采用基于风格监督的在线图像缩尺度器自适应地滤除输入图像中的冗余信息，并将剩余的关联信息压缩为小尺寸的缩略图，使得网络运算量大幅降低，并且能够保证预测准确率；使用双分支自动编码的训练策略将知识蒸馏技术引入对轻量化网络的训练，使得缩略特征图能够提取到更多关键信息，使得预测准确率进一步提高。训练完备的缩尺度器可以直接替代传统的图像缩尺度技术。本申请解决了现有人体姿态估计加速方法实施复杂、难以泛化、准确率低的问题。

公开(公告)号：CN114463175B

公开(公告)日：2022-11-01

申请号：CN202210055110.2

申请日：2022-01-18

Applicant: 哈尔滨工业大学

Inventor： 张永强 ,  丁明理 ,  张印 ,  田瑞 ,  张子安 ,  王骢

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度卷积神经网络的火星图像超分辨方法，属于计算机视觉中的图像超分辨技术领域。本发明针对现有图像超分辨方法对真实的伴有噪声的火星图像超分辨结果较差的问题。包括模糊核估计，噪声建模和基于patch判别的上采样网络三部分；本发明方法专注于通过模糊核评估算法得到真实模糊核，对模糊核进行计算从而实现真正的盲超分辨；使用噪声提取算法从原始图像中收集噪声，并使用卷积神经网络进行噪声建模，产生与火星图像相似的噪声分布；最后，使用经过模糊核学习的注入噪声后得到的低分辨率火星图像，再送入到基于patch判别的上采样网络中，得到最后的超分辨率火星图像。本发明用于实现LR火星图像的超分辨。

公开(公告)号：CN114463175A

公开(公告)日：2022-05-10

申请号：CN202210055110.2

申请日：2022-01-18

Applicant: 哈尔滨工业大学

Inventor： 张永强 ,  丁明理 ,  张印 ,  田瑞 ,  张子安 ,  王骢

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度卷积神经网络的火星图像超分辨方法，属于计算机视觉中的图像超分辨技术领域。本发明针对现有图像超分辨方法对真实的伴有噪声的火星图像超分辨结果较差的问题。包括模糊核估计，噪声建模和基于patch判别的上采样网络三部分；本发明方法专注于通过模糊核评估算法得到真实模糊核，对模糊核进行计算从而实现真正的盲超分辨；使用噪声提取算法从原始图像中收集噪声，并使用卷积神经网络进行噪声建模，产生与火星图像相似的噪声分布；最后，使用经过模糊核学习的注入噪声后得到的低分辨率火星图像，再送入到基于patch判别的上采样网络中，得到最后的超分辨率火星图像。本发明用于实现LR火星图像的超分辨。

公开(公告)号：CN118411647A

公开(公告)日：2024-07-30

申请号：CN202410448620.5

申请日：2024-04-15

Applicant: 哈尔滨工业大学

Inventor： 董娜 ,  张永强 ,  张印 ,  丁明理 ,  田瑞 ,  朱月熠 ,  张子安 ,  张漫

IPC: G06V20/40 ,  G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/75 ,  G06V10/82

Abstract: 一种基于两阶段训练和多视图自标注策略的开放世界目标检测方法，它属于计算机视觉中的目标检测技术领域。本发明解决了现有基于封闭世界假设设计的目标检测方法会对真值标签不存在的未知新类别造成误检、漏检的问题。本发明基于基础模型Deformable‑DETR引入一个类别不可知的二分类头，并提出两阶段的模型训练方法。第一阶段，二分类头将所有预测输出二分类为前景或者背景；第二阶段，提出多视图自标注策略和一致性约束方法，基于当前已知类别的数据集微调模型的投影层、分类头和二分类头的参数，冻结其他类别不可知模块的参数。训练好的模型可以对已知类别的目标进行正确分类，并将未知类别的目标识别出来。本发明方法可以应用于开放世界目标检测。

公开(公告)号：CN115439688B

公开(公告)日：2023-06-16

申请号：CN202211066364.0

申请日：2022-09-01

Applicant: 哈尔滨工业大学

Inventor： 张永强 ,  丁明理 ,  田瑞 ,  张印 ,  张子安 ,  张漫

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06T7/73 ,  G06V10/22 ,  G06N3/048 ,  G06N3/0895

Abstract: 一种基于周围区域感知与关联的弱监督物体检测方法，涉及物体检测技术领域，针对现有技术中弱监督物体检测容易收敛于局部最优解，直观表现为只能检测到物体最有判别力的区域，而不是全部物体区域，导致物体定位失败，进而导致检测精度低的问题，本申请解决了弱监督物体检测方法中检测精度低和收敛于局部最优解的问题，突破了弱监督不存在提高定位精度的模块的局限，降低了物体检测技术对昂贵的人工标注的需求。本发明属于在实际应用场景中，物体检测的基础性技术研究工作，在一定程度上推动了人工智能深度学习的物体检测技术的落地，弥补了弱监督与全监督物体检测的差距。

公开(公告)号：CN116206142A

公开(公告)日：2023-06-02

申请号：CN202211105275.2

申请日：2022-09-09

Applicant: 哈尔滨工业大学

Inventor： 张永强 ,  丁明理 ,  张印 ,  田瑞 ,  张子安 ,  张漫

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06N3/08 ,  G06N3/0464

Abstract: 一种基于退化网络特征学习的压缩图像目标检测方法，涉及计算机视觉技术领域，针对现有技术中目标检测方法利用缩略图进行检测以减少计算量时，会存在准确率降低，甚至为零的问题，本申请首先通过监督的方法学习到一个缩略图，然后将产生的缩略图送入未改变网络结构的目标检测器中，通过这样的方法可以极大地减少计算量和内存占用。本申请的降采样模块能够充分利用卷积神经网络强大的特征提取能力从原始大尺寸图像中生成缩略图。该缩略图是在图像降采样损失、知识蒸馏损失以及目标检测损失的监督下生成的，因此它具有原始图像关键的信息，可以替代原始图像进行目标检测任务。并且通过学习得到的缩略图在目标检测效果上比传统的插值方法要好很多。

公开(公告)号：CN115439688A

公开(公告)日：2022-12-06

申请号：CN202211066364.0

申请日：2022-09-01

Applicant: 哈尔滨工业大学

Inventor： 张永强 ,  丁明理 ,  田瑞 ,  张印 ,  张子安 ,  张漫

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06T7/73 ,  G06V10/22 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于周围区域感知与关联的弱监督物体检测方法，涉及物体检测技术领域，针对现有技术中弱监督物体检测容易收敛于局部最优解，直观表现为只能检测到物体最有判别力的区域，而不是全部物体区域，导致物体定位失败，进而导致检测精度低的问题，本申请解决了弱监督物体检测方法中检测精度低和收敛于局部最优解的问题，突破了弱监督不存在提高定位精度的模块的局限，降低了物体检测技术对昂贵的人工标注的需求。本发明属于在实际应用场景中，物体检测的基础性技术研究工作，在一定程度上推动了人工智能深度学习的物体检测技术的落地，弥补了弱监督与全监督物体检测的差距。