“沈孔怀”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6个，建议您升级VIP下载更多相关专利

[发明专利]一种目标识别的方法、装置及电子设备-CN202211470128.5在审
发明人： 沈孔怀;邵明 -专利权人：浙江大华技术股份有限公司
申请日： 2022-11-23 - 公布日： 2023-03-07 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种目标识别的方法、装置及电子设备，用以提升目标识别的准确性。该方法包括：将训练图像输入待训练模型，确定所述训练图像中第一目标为可能类型的置信度；在第一目标的所述可能类型中，确定最大置信度为第一置信度，并标记第一置信度对应的可能类型为第一可能类型；以及确定仅低于第一置信度的置信度为第二置信度，并标记第二置信度对应的可能类型为第二可能类型；响应于所述第一可能类型与所述第一目标的第一预设类型标签一致，利用第一损失函数调整所述待训练模型中的参数，直到第一损失函数的值小于第一预设阈值，得到分类模型；将待检测图像输入分类模型，确定待检测图像中目标的目标类型。
一种目标识别方法装置电子设备

[发明专利]一种图像识别的方法及设备-CN202210614363.9在审
发明人：朱亚伦;沈孔怀 -专利权人：浙江大华技术股份有限公司
申请日： 2022-05-31 - 公布日： 2022-09-06 - 主分类号： G06V20/62 文献下载
摘要：本发明公开了一种图像识别的方法及设备，用于实现一种更加通用的车牌识别方法，在支持国标车牌基础上支持识别各种定制车牌，减少开发工作量和开发周期。该方法包括：确定待识别的图像和所述图像中对象的外部特征；将所述图像输入到训练好的识别模型中，利用主干网络提取所述图像的特征得到特征图，将所述特征图分别输入到第一分支网络和第二分支网络，对应输出第一预测结果和第二预测结果；其中所述识别模型包括所述主干网络、所述第一分支网络和所述第二分支网络；根据所述对象的外部特征、所述第一预测结果和第二预测结果，确定所述对象的识别结果。
一种图像识别方法设备

[发明专利]一种目标检测的方法及设备-CN202210807357.5在审
发明人： 沈孔怀;朱亚伦 -专利权人：浙江大华技术股份有限公司
申请日： 2022-07-11 - 公布日： 2022-08-09 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种目标检测的方法及设备，用于在不增加标注的训练数据量的同时，提高检测模型在实际场景中的检测性能。该方法包括：获取待检测的目标图像；将所述目标图像输入到训练好的检测模型，输出所述目标图像中的目标对象的位置；其中，所述检测模型是利用已标注的第一样本集和未标注的第二样本集进行训练得到的，每次训练时提取所述第一样本集中的第一样本图像的第一低维特征图和所述第二样本集中的第二样本图像的第二低维特征图，将所述第一低维特征图和所述第二低维特征图进行融合得到融合特征图，利用所述融合特征图和所述第一样本图像标注的目标对象的位置进行训练。
一种目标检测方法设备

[发明专利]一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法-CN201810375532.1有效
发明人：杨卫东;徐昭良;沈孔怀;翟展;蒋哲兴;颜露新 -专利权人：华中科技大学
申请日： 2018-04-24 - 公布日： 2022-02-15 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，包括：将雷达图像输入训练好的卷积神经网络，得到抑制斑噪的结果图像；卷积神经网络的训练方法包括：在遥感图像中叠加斑噪得到叠加斑噪后的图像，将叠加斑噪后的图像输入卷积神经网络，得到训练输出图像；根据遥感图像和训练输出图像的均方误差，得到误差损失，利用遥感图像和训练输出图像的互相关系数，得到相关损失；利用误差损失和相关损失，进行反向传播，更新卷积神经网络的权值参数；进而得到训练好的卷积神经网络。本发明利用误差损失和相关损失，更新卷积神经网络的权值参数，有效的提高了网络的雷达图像斑噪抑制效果。
一种基于相关损失卷积神经网络雷达图像抑制方法

[发明专利]一种图像识别方法、识别网络的训练方法及相关装置-CN202110874936.7在审
发明人： 沈孔怀;邵明 -专利权人：浙江大华技术股份有限公司
申请日： 2021-07-30 - 公布日： 2021-11-19 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种图像识别方法、识别网络的训练方法及相关装置，该图像识别方法包括：获取到待识别图像；将待识别图像以及第一样本集输入到识别网络；其中，第一样本集包括各属性的多张图像；识别网络是通过包括各属性的多张样本图像的第二样本集以及各属性的区别于第二样本集的另外一张标注属性的图像训练得到的；第二样本集的属性类别不少于第一样本集的属性类别；利用识别网络对第一样本集以及待识别图像进行特征提取，得到多张图像的特征图以及待识别图像的特征图；基于上述获取的特征图，对待识别图像进行属性识别，得到待识别图像的属性类型。通过上述方式，本申请能够通过数据量较小的第一样本集准确地识别出待识别图像的类别。
一种图像识别方法网络训练相关装置

[发明专利]一种基于级联检测器的运动目标跟踪方法-CN201910400365.6有效
发明人：杨卫东;翟展;王爽;沈孔怀;雷晓奇;凌翔滨;王公炎 -专利权人：华中科技大学
申请日： 2019-05-15 - 公布日： 2021-07-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于级联检测器的运动目标跟踪方法，包括：(1)相关滤波跟踪器的初始化；(2)级联检测器的初始化；(3)相关滤波跟踪器获取第一感兴趣区域；(4)级联分类器目标检测；(5)第一感兴趣区域与检测区域的综合；(6)更新跟踪模型与级联检测器；其中，通过相关滤波跟踪器获取第一感兴趣区域，级联检测器包括方差分类器、多通道随机蕨分类器和相关一致分类器，通过三种分类器获取检测区域，第一感兴趣区域和检测区域进行加权修正获取第二感兴趣区域，可有效地防止跟踪结果的振荡，同时采用级联检测器可保证跟踪模型获取的第一感兴趣区域的准确性。
一种基于级联检测器运动目标跟踪方法