“胡晰远”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10个，建议您升级VIP下载更多相关专利

[发明专利]基于分块分类深度学习的篡改图像检测方法及系统-CN202010105287.X有效
发明人： 胡晰远;宋宏健;陈晨;彭思龙 -专利权人：中国科学院自动化研究所
申请日： 2020-02-20 - 公布日： 2023-10-13 - 主分类号： G06F30/27 文献下载
摘要：本发明属于计算机视觉领域，具体涉及了一种基于分块分类深度学习的篡改图像检测方法及系统，旨在解决现有技术篡改图像检测准确率和定位精度尚达不到实用要求的问题。本发明方法包括：分别对待检测图像灰度化后分块分类以及设定算子的边缘特征计算；基于分块分类结果，进行待检测图像及特征图的分块分类；通过图像块篡改检测模型获取分类图像块的检测结果、特征图像块的检测结果并进行加权；结合的图像块的标记，进行待检测图像的篡改区域标记。本发明对图像分块分类，分别训练篡改检测模型，检测结果更准确、篡改区域定位更精确，并将未分块的图像边缘直接定义为其最邻近图像块的篡改检测结果，提高检测效率。
基于分块分类深度学习篡改图像检测方法系统

[发明专利]视频目标检测方法、装置、设备及介质-CN202211627510.2有效
发明人：蒋鹏;余婷婷;周翊超;张燕;胡晰远 -专利权人：北京多维视通技术有限公司
申请日： 2022-12-16 - 公布日： 2023-09-29 - 主分类号： G06V20/40 文献下载
摘要：本公开提供了一种视频目标检测方法、装置、设备及介质，涉及图像处理领域。该方法包括：获取待检测视频，待检测视频包括多帧图像序列，多帧图像中包括目标对象；针对每帧图像，提取得到多个特征图，多个特征图具有不同的特征尺度；基于多帧图像序列的帧间时序信息，校准多个特征图，得到帧间加权特征图；基于每帧图像对应的帧内通道和空间注意力信息，校准多个特征图，得到帧内加权特征图；基于帧间加权特征图和帧内加权特征图，确定多帧图像中的目标对象。根据本公开实施例，能够在保障检测速度的同时进一步提升了检测精度。
视频目标检测方法装置设备介质

[发明专利]基于一致性负样本的图像目标检测模型训练方法及装置-CN201911183070.4有效
发明人：陈晨;王晓莲;胡晰远;彭思龙 -专利权人：中国科学院自动化研究所
申请日： 2019-11-27 - 公布日： 2023-05-12 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及图像处理技术领域，具体涉及一种基于一致性负样本的图像目标检测模型训练方法及装置。为了解决现有技术采用固定负样本导致模型难以学习到有判别力的特征的问题，本发明提出一种图像目标检测模型训练方法，该方法包括基于待识别图像中的真实框和预设的初始锚框的重叠度，获取初始图像样本集；根据所述初始图像样本集，通过预设的图像目标检测模型，获取所述与初始锚框对应的预测锚框，基于所述真实框与所述预测锚框的重叠度，获取更新图像样本集；通过所述更新图像样本集训练所述图像目标检测模型。利用本发明的方法和装置能够利用更为全面的信息训练图像目标检测模型。
基于一致性样本图像目标检测模型训练方法装置

[发明专利]一种移动式隔墙侦察机器人装置-CN202110497341.4有效
发明人：唐振民;周翊超;胡晰远;张武;杨鑫 -专利权人：南京理工大学
申请日： 2021-05-07 - 公布日： 2023-03-24 - 主分类号： B25J11/00 文献下载
摘要：本发明涉及侦察机器人技术领域，公开了一种移动式隔墙侦察机器人装置，包括：侦察机器人外壳；火力打击模块‑‑活动安装在侦察机器人外壳上部前侧；探测机构设置在侦察机器人外壳上部中间位置；雷达天线起竖机构和操作手柄。本发明由三个分系统构成(履带式侦察机器人平台分系统、侦察探测打击分系统、和远程操控分系统)，将技术成熟的履带式侦察机器人系统与穿墙雷达侦察技术相结合，可在复杂城市地形环境下远程遥控，借助机器人上的移动辅助模块可通过复杂路段，抵达房间墙体外侧，通过调整穿墙雷达天线贴近墙体发射雷达波束，以获得墙体内侧的人员信息，大大提高了的作战人员的人身安全及搜索效率。
一种移动式隔墙侦察机器人装置

[实用新型]一种防刮伤表面清洗装置-CN202121883248.9有效
发明人：陈瞻怡;胡晰远 -专利权人：南京理工大学
申请日： 2021-08-12 - 公布日： 2022-06-03 - 主分类号： B08B3/02 文献下载
摘要：本实用新型公开了一种防刮伤表面清洗装置，包括水箱、储水盒、液体压出装置、高度调整装置、喷淋装置；水箱固定在高度调整装置上，水箱顶面设有出水管，通过出水管和进水软管连通储水盒，水箱上设有液体压出装置，用于将水箱的水压入储水盒中，储水盒上设有喷淋装置，通过高度调整装置调整喷淋装置位置，通过喷淋装置的上下移动，便于对设备不同部位进行清洗，大大提高了工作效率，节省了大量的劳动力，转动喷头。
一种防刮伤表面清洗装置

[发明专利]基于视频动态前景掩膜的目标类别修正方法、检测方法-CN201910087340.5有效
发明人： 胡晰远;王晓莲;陈晨;彭思龙 -专利权人：中国科学院自动化研究所
申请日： 2019-01-29 - 公布日： 2020-11-27 - 主分类号： G06K9/00 文献下载
摘要：本发明属于视频图像处理领域，具体涉及一种基于视频动态前景掩膜的目标类别修正方法、检测方法，旨在为了解决基于卷积神经网络的目标检测对小目标检测效果较差的问题。本发明修正方法包括：获取视频帧的第一修正集合；选取大于置信度阈值的目标矩形框作为候选框；将前景二值掩膜图中大于灰度阈值的像素点作为前景点，对每一个候选框，分别计算其前景像素点在其矩形框中的占比，并将其作为前景分数，将该分数与其最大置信目标类别的置信度进行融合，得到修正后的置信度并更新第一修正集合中的对应目标物体的最大置信目标类别置信度。本发明提高了目标检测准确性，尤其能提高小物体等难以被卷积神经网络提取特征的目标检测效果。
基于视频动态前景目标类别修正方法检测

[发明专利]基于排序度量函数的行人重识别方法、系统、装置-CN201811395133.8有效
发明人：陈晨;曹敏;胡晰远;彭思龙 -专利权人：中国科学院自动化研究所
申请日： 2018-11-21 - 公布日： 2020-09-22 - 主分类号： G06K9/62 文献下载
摘要：本发明属于视频图像处理技术领域，具体涉及一种基于排序度量函数的行人重识别方法、系统、装置，旨在解决基于度量学习的行人重识别方法鲁棒性差的问题。本发明方法中通过训练样本特征信息建立基于排序损失的度量函数，并通过采用连续可导的p范数函数代替该模型中的min函数，优化模型求解获取特征映射函数；基于包含特征映射函数的特征距离度量函数进行行人重识别中的两个图片的特征距离的计算，并以此为依据选择识别结果。本发明提高了行人重识别方法鲁棒性、准确度。
基于排序度量函数行人识别方法系统装置

[发明专利]基于无标签数据的神经网络模型量化方法及装置-CN201911189663.1在审
发明人：陈晨;袁勇;胡晰远;彭思龙 -专利权人：中国科学院自动化研究所
申请日： 2019-11-28 - 公布日： 2020-04-07 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及图像处理技术领域，具体涉及一种基于无标签数据的神经网络模型量化方法及装置。为了解决现有技术需要依赖训练集才能实现对神经网络压缩的问题，本发明提出一种基于无标签数据的神经网络模型量化方法，包括基于第一预设量化位宽对原始神经网络模型的权重进行量化，获取第一量化神经网络模型；基于原始神经网络模型的输出和第一量化神经网络模型的输出，对第一量化神经网络模型的每一层不同通道的量化位宽进行优化，获取第二量化神经网络模型；基于原始神经网络模型的特征和第二量化神经网络模型的特征，对第二量化神经网络模型的权重进行优化，获取目标神经网络模型。本发明的方法能够通过少量无标签数据对神经网络模型进行量化。
基于标签数据神经网络模型量化方法装置

[发明专利]深度二值神经网络训练方法及系统-CN201911200568.7在审
发明人： 胡晰远;袁勇;陈晨;彭思龙 -专利权人：中国科学院自动化研究所
申请日： 2019-11-29 - 公布日： 2020-03-27 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种深度二值神经网络训练方法及系统，所述训练方法包括：初始化浮点型的深度神经网络，得到初始化网络模型；基于交替方向乘子法，根据所述初始化网络模型，采用目标传播算法，得到具有二值激活和浮点型权重的优化深度神经网络；基于交替方向乘子法，根据所述优化深度神经网络，得到深度二值神经网络。本发明深度二值神经网络训练方法通过交替方向乘子法优化框架，将权重和激活分别进行二值化，能够减轻同时二值化带来的耦合效应，提高深度二值神经网络的训练效果；采用目标传播算法优化具有二值激活的深度神经网络，能够减小量化过程不可微导致的深度神经网络量化优化困难问题。
深度神经网络训练方法系统

[发明专利]基于自适应插值核学习的视频超分辨率重建方法-CN201510725909.8在审
发明人： 胡晰远;马斌斌;彭思龙 -专利权人：中国科学院自动化研究所
申请日： 2015-10-29 - 公布日： 2016-03-23 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于自适应插值核学习的视频超分辨率重建方法，该方法包括根据视频图像训练集，获取高分辨率图像块的插值核字典及其对应的对偶矩阵，其中视频图像训练集包括高、低分辨率图像块；根据高分辨率图像块的插值核字典，获取高分辨率图像块的插值核字典中每一原子对应的图像块结构的插值核；根据对偶矩阵及每一原子对应的图像块结构的插值核，构建待处理图像的图像小块的插值核，利用待处理图像的图像小块的插值核，对待处理图像进行插值放大。通过本发明，至少部分地解决如何能更好地保持视频图像中的边缘和纹理信息，并有效降低混叠、锯齿、振铃等失真干扰的技术问题。
基于自适应插值核学习视频分辨率重建方法

1
共 10 条