“姜玉静”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]一种基于卷积神经网络的端到端物体检测方法-CN201611241694.3有效
发明人：王兴刚;陈凯兵;姜玉静;刘文予 -专利权人：华中科技大学
申请日： 2016-12-29 - 公布日： 2020-04-14 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于卷积神经网络的端到端目标检测方法，包括：(1)基于经典基础网络结构，去掉经典基础网络最后的全连接层，并添加额外层从而建立卷积神经网络模型；(2)从原始训练数据集中随机选取一张原始图像进行数据扩增得到扩增图像，并获得在原始图像中随机选取的目标图像块在扩增图像中的位置和边框；(3)利用步骤(2)得到的目标图像块在扩增图像中的位置和边界，回归步骤(2)中的卷积神经网络模型得到模型参数，从而得到训练后的卷积神经网络模型；(4)利用训练后的卷积神经网络模型，检测待检测图像中的目标的边界框和类别。本方法采用直接回归目标中心点坐标、宽高和类别，与同类方法相比，在速度上有很大的优势。
一种基于卷积神经网络端到端物体检测方法

[发明专利]基于在线示例分类器精化的多示例检测网络及其训练方法-CN201611241532.X有效
发明人：刘文予;姜玉静;唐芃;王兴刚 -专利权人：华中科技大学
申请日： 2016-12-29 - 公布日： 2019-10-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于在线示例分类器精化的多示例检测网络及其训练方法，包括：确定训练图片集，并选择每张训练图片中的多个候选区域；获得所述训练图片集中训练图片的卷积特征图，并得到各候选区域的卷积特征；将各候选区域的卷积特征输入到全连接层中，得到各候选区域的特征向量；构建一个基准示例分类器，并构建多个精化示例分类器，通过更新每个候选区域得分的权重进行在线示例分类器精化；合并整个网络中的损失函数，训练端到端的多示例检测网络。本发明将多示例分类器训练和分类器精化整合到一起，训练速度快识别准确率高，仅依赖图像标签的数据集，不需要人工对目标示例的位置和标签进行标注，适用于弱监督的目标检测问题。
基于在线示例分类器精化检测网络及其训练方法

[发明专利]一种基于深度学习的高帧率视频生成方法及系统-CN201611241691.X有效
发明人：王兴刚;罗浩;姜玉静;刘文予 -专利权人：华中科技大学
申请日： 2016-12-29 - 公布日： 2019-04-26 - 主分类号： H04N21/845 文献下载
摘要：本发明公开了一种基于深度学习的高帧率视频生成方法，包括：利用一个或多个原始高帧率视频片段生成训练样本集；利用所述训练样本集中的多个视频帧子集合训练双通道卷积神经网络模型，以获得优化后双通道卷积神经网络，所述双通道卷积神经网络模型为由两个卷积通道融合而成的卷积神经网络；利用所述优化后双通道卷积神经网络，根据低帧率视频中的任意相邻两视频帧生成这两视频帧的插入帧，从而生成帧率高于所述低帧率视频的视频。本发明方法整个过程是端到端的，不需要对视频帧进行后续的处理，视频帧率转换效果良好，合成的视频流畅度高，对于视频拍摄过程中存在的抖动、视频场景切换等问题具有较好的鲁棒性。
一种基于深度学习高帧率视频生成方法系统