-
公开(公告)号:CN114332582B
公开(公告)日:2024-11-15
申请号:CN202111505346.3
申请日:2021-12-10
Applicant: 中国人民解放军96901部队25分队 , 中国电子科技集团公司第五十二研究所
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/762 , G06V10/80 , G06V10/82 , G06V10/143 , G06V20/40 , G06N3/0464 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了一种基于红外及可见光下的多尺度目标检测方法,采集红外图像和可见光图像样本,进行标定及数据增强处理,形成训练样本,构建并采用训练样本训练目标检测网络模型,然后将待检测的红外图像或可见光图像,利用训练好的目标检测网络模型进行检测,输出检测结果。本发明利用红外及可见光图像不同的特性,并通过设计一种多尺度的目标检测网络结构及数据增广及训练策略,可以大大提升目标检测技术对复杂场景及小目标的检测精度和准确率。
-
公开(公告)号:CN114220167A
公开(公告)日:2022-03-22
申请号:CN202111505318.1
申请日:2021-12-10
Applicant: 中国人民解放军96901部队25分队 , 中国电子科技集团公司第五十二研究所
Abstract: 本发明公开了一种面向嵌入式推理设备的异常行为识别方法,构建并训练异常行为识别网络模型,所述异常行为识别网络模型在卷积神经网络ResNet‑18每个残差单元中的卷积层前插入时序特征移位模块,将卷积层前的特征图的第一、第二通道沿时间维度向前移动一位,并将第三、第四通道向后移动一位。时序特征移位模块通过不同通道移位操作不会增加计算复杂度,保持2D卷积的同时,通过对时域上不同特征图的部分通道的交换,便可以实现类似3D卷积一样学习视频序列的时序信息。本发明技术方案,有效利用视频序列的时域上的时序信息,提升了异常行为识别算法的识别准确率。同时,只增加少量计算复杂度,提高了在嵌入式推理设备的识别性能。
-
公开(公告)号:CN114332582A
公开(公告)日:2022-04-12
申请号:CN202111505346.3
申请日:2021-12-10
Applicant: 中国人民解放军96901部队25分队 , 中国电子科技集团公司第五十二研究所
IPC: G06V20/00 , G06V10/774 , G06V10/762 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于红外及可见光下的多尺度目标检测方法,采集红外图像和可见光图像样本,进行标定及数据增强处理,形成训练样本,构建并采用训练样本训练目标检测网络模型,然后将待检测的红外图像或可见光图像,利用训练好的目标检测网络模型进行检测,输出检测结果。本发明利用红外及可见光图像不同的特性,并通过设计一种多尺度的目标检测网络结构及数据增广及训练策略,可以大大提升目标检测技术对复杂场景及小目标的检测精度和准确率。
-
-