JP7120689B2 - 深層学習に基づく車載ビデオターゲット検出方法 - Google Patents

深層学習に基づく車載ビデオターゲット検出方法 Download PDF

Info

Publication number
JP7120689B2
JP7120689B2 JP2021502766A JP2021502766A JP7120689B2 JP 7120689 B2 JP7120689 B2 JP 7120689B2 JP 2021502766 A JP2021502766 A JP 2021502766A JP 2021502766 A JP2021502766 A JP 2021502766A JP 7120689 B2 JP7120689 B2 JP 7120689B2
Authority
JP
Japan
Prior art keywords
bounding box
anchor point
cnn
network
training
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021502766A
Other languages
English (en)
Other versions
JPWO2020181685A5 (ja
JP2021530062A (ja
Inventor
張登銀
金天宇
丁飛
趙莎莎
劉錦
薛睿
聶涵
王雪純
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Publication of JP2021530062A publication Critical patent/JP2021530062A/ja
Publication of JPWO2020181685A5 publication Critical patent/JPWO2020181685A5/ja
Application granted granted Critical
Publication of JP7120689B2 publication Critical patent/JP7120689B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)

Description

本発明は深層学習に基づく車載ビデオターゲット検出方法に関わり、ビデオ画像処理技術分野に属する。
運転中に、車前の車、歩行者及び他の障害物に対するターゲット検出及び追跡を行い、それにより前車の行動に対する分析を行うのは安全運転支援システムの基礎である。従来のターゲット検出方法は主なステップとして、ターゲット特徴の抽出、該当する分類子に対する訓練、ウィンドウのスライドによる検索、重複及び誤検知フィルタリングが普通である。このようなターゲット検出はスライディングウィンドウ選択策略に焦点がなく、タイミングの複雑さが高く、ウィンドウが冗長性につながり、手作りデザインの特徴の堅牢性が下手であり、分類子が信頼できないと同時に、需要に応じて有効な特徴を学習して個別検出を完成するように柔軟にデータを訓練できない。
本発明は従来の技術の前記の不足を解決して深層学習に基づく車載ビデオターゲット検出方法を提供することを目的にする。
上記の目的を達成するために、本発明は以下の技術的解決策を採用する。
深層学習に基づく車載ビデオターゲット検出方法は下記のステップを含む。
ステップ1）深度座標の下のピクセルをカラー座標の下に合わせ、深度画像及びカラー画像を各々CNNにより特徴抽出を行い、各々の畳み込み層が出力した特徴マップをチャンネル次元で直列接続融合を行って最終的RGB-D特徴を取得して融合済畳み込み特徴マップとする。ここで、前記直列接続融合によって取得したRGB-D特徴はRPNとFast R-CNNが共有する融合済畳み込み特徴マップとしてマトリックス形式が下記であり、
Figure 0007120689000001

その中、
i、j、k：中間変数
i～［０，ｈ‐１］、j～［０，ｗ‐１］、ｋ～［０，２ｃ‐１］、
h：特徴マップの高さ
w：特徴マップの幅
c：RGBのチャンネルの3つ
Ｙ RGB （ｉ，ｊ，ｋ）： カラー画像特徴
Ｙ depth （ｉ，ｊ，ｋ‐ｃ）：深度画像特徴
Ｙ merge （ｉ，ｊ，ｋ）：直列接続融合済画像特徴である。
ステップ2）領域提案ネットワークRPNを作成する。前記の領域提案ネットワークRPNは3×3の畳み込み層の1つ及び1×1の並行畳み込み層の2つを含む。融合済畳み込み特徴マップを3×3の畳み込み層に入力し、入力した特徴マップ上にピクセル単位でプリセットしたサイズごとにアンカーポイントを設定し、各アンカーポイントに所定寸法のアンカーポイントバウンディングボックスを生じさせる。
生じたアンカーポイントバウンディングボックスを1×1の並行畳み込み層の2つに入力してバウンディングボックス回帰及び前景背景の判断を行い、各々アンカーポイントバウンディングボックスの前景背景信頼度及びアンカーポイントバウンディングボックス位置を出力しプリセットした条件に従って取得したアンカーポイントバウンディングボックスから見込み信頼度が一番高いトップ所定数の領域を選出し、最終的な領域提案コレクションCを取得する。
Fast R-CNNモデルを作成する。前記のFast R-CNNモデルはROIプーリングレイヤーの2つ、完全に接続されたレイヤーの1つ及び並行な完全に接続されたレイヤーの2つからなり、各々当該領域の信頼度及びバウンディングボックス回帰済位置を出力する。融合済畳み込み特徴マップをFast R-CNNモデルに入力し、画像におけるターゲットの位置及び種類及び信頼度を出力する。
ステップ3）RPNネットワークを訓練するコスト関数及びFast R-CNNネットワークを訓練するコスト関数を作成する。
ステップ4）所定の値に設定した標準偏差のゼロ平均ガウス分布から重みを抽出してランダムにすべての新規レイヤーの初期化を行う。
ステップ5）逆伝播アルゴリズム、確率的勾配降下アルゴリズムを利用して、RPNとFast R-CNNの2つのネットワークに対する交替訓練によりモデルに対する訓練を行い、プリセットしたパラメータにより順にレイヤーごとのニューラルネットワークの重みを調整する。
ステップ6）事前に取得した訓練コレクションにより訓練しておいたFaster R-CNNモデルをテストし、難しいサンプルの判断式により難しいサンプルを選出する。ここで、前記難しいサンプルの判断式が下記である。
Figure 0007120689000002
その中、
L IoU ：バウンディングボックス回帰誤差
Ｌ score ：分類誤差
o：サンプルとターゲットとの交差率
ｋ：しきい値に対する感度係数
oとpの値の範囲：0～1である。
ステップ7）ステップ6）で生じた難しいサンプルを訓練コレクションに入れ、ネットワークに対する再訓練を行い、ステップ5～7を繰り返して最終に最適なFaster R-CNNモデルを取得する。
ステップ8）実際に採集した車載ビデオ画像を処理し、訓練しておいたFaster R-CNNモデルに入力し、当該画像におけるターゲット種類、信頼度及びターゲット位置を出力する。
本発明の効果は以下のとおりである。
第一、本発明は提案に基づく畳み込みニューラルネットワークモデルに基づいて、深度情報補完に基づくターゲット検出モデルを提出し、改善されたFaster R-CNNは深度情報チャンネルを追加し、カラー画像及び深度画像を各々同じ構成のCNNにより特徴抽出を行い、CNNの2つについて並行して接続した構成を採用し、元のカラー画像特徴マップを深度画像特徴マップと直列接続融合を行って最終的画像特徴を取得する。従来のアルゴリズムと比べてみると、本発明による画像特徴が更に豊かであり、車の細部関係の情報を補充し、時間コスト上昇の恐れがなく、複雑なシーンにおけるターゲット検出を向上させることの需要を満たすことができる。
第二、本発明は訓練段階に難しいサンプルの掘り出し策略を追加したので、モデルが元より更に難しいサンプルに注意をはらい、更によく車及び疑似車の背景を区分し、正確性向上の目的を達成できる。
第三、本発明は共有畳み込みネットワークにより提案アンカーポイントバウンディングボックスを抽出するFaster R-CNNアルゴリズムがリアルタイム性で顕著に向上したものである。このアルゴリズムは従来の領域提案アルゴリズムを放棄し、深層ネットワークにおける畳み込み層によりアンカーポイントバウンディングボックスを抽出するので、大量に時間コストを削減できるものである。
本発明の実施例のプロセスチャート。 本発明の実施例の改善されたFaster R-CNNアルゴリズムの訓練プロセスチャート。
次に図と合わせて本発明について更に説明する。下記の実施例は更にはっきりして本発明の技術的な解決策について説明するためのものだけであり、本発明の保護範囲を制限するものではない。
本発明は深層学習に基づく車載ビデオターゲット検出方法を提供することを目的にし、Faster R-CNNの基礎上に、深度画像の特徴マップを追加して車の細部関係の情報を補充し、カラー画像の特徴を抽出するのと同じ畳み込みニューラルネットワークを採用し、カラー画像チャンネル及び深度画像チャンネルを並行して接続した構成にし、抽出した特徴が直列接続融合を行われて最終的RGB-D特徴を取得して、訓練に難しいサンプル掘り出しの策略を追加し、複雑な交通シーンにおける小さなターゲット及び難しいターゲットに対するアルゴリズムによる検出の正確性を向上させる。
図1は本発明の方法の実施例のプロセスチャートである。
本発明を実施する際に当たり事前に取得した訓練コレクションサンプルコレクション及びテストコレクションサンプルに基づいてもいいし、需要に応じて訓練コレクション及びテストコレクションを作成してもいい。本実施例で、KITTIデータコレクションにより訓練サンプルコレクション及びテストサンプルコレクションを作成する場合、下記のステップ1を含む。即ち、PASCAL VOCデータコレクションのフォーマット及び評価アルゴリズム工具を利用する。先ず、KITTIの種類を転換する。PASCAL VOCは20種あり、都市の交通シーンで重要な検出対象が車、歩行者及び交通標識であるので、データコレクションを前記の3種に分ける。次に、ラベル情報を転換する。ラベルファイルをtxtファイルからxmlファイルに転換し、ラベルにおける他の情報を削除し、3種のみを保留する。最後に、訓練コレクション及びテストコレクションを生成する。
図1の通りに、本発明による方法は下記のステップを含む。
ステップ2）領域提案ネットワーク（Regional Proposal Network,RPN）及びFast R-CNNネットワークを整合した改善されたFaster R-CNNモデルを作成する。
2.1）畳み込みニューラルネットワーク（Convolutional Neural Networks,CNN）
先ず、深度座標の下のピクセルをカラー座標の下に合わせる。CNNについてはZFモデル中の特徴抽出ネットワークを選択し、構成が同じCNNの2つを並行して接続する（元のカラー画像チャンネルはチャンネル1、並行して接続した深度画像チャンネルはチャンネル2である）。画像の2種がCNNにより特徴抽出されてから、特徴マップはサイズがともにhwc（ここで、h、wは各々特徴マップの高さ及び幅を表し、cはRGBのチャンネルの3つである）である。カラー画像特徴及び深度画像特徴はチャンネルの2つとして特徴融合を行い、融合済特徴マップはサイズが2hwc である。
2.2）領域提案ネットワークRPNは3×3の畳み込み層の1つ及び1×1の並行畳み込み層の2つを含む。
融合済畳み込み特徴マップを3×3の畳み込み層に入力し、入力した特徴マップ上でピクセル単位でプリセットしたサイズごとにアンカーポイントを設定し、各アンカーポイントに所定寸法のアンカーポイントバウンディングボックスを生じさせる。本実施例では各々寸法の3つ及びアスペクト比の3つを採用する場合、各アンカーポイントに異なる寸法のアンカーポイントバウンディングボックスのk=3×3=9個が生じ、アンカーポイントバウンディングボックスの計hwk個が生じる。
1×1の並行畳み込み層の2つは上層で生じたアンカーポイントバウンディングボックスに対してバウンディングボックス回帰及び前景背景の判断を行い、各々アンカーポイントバウンディングボックスの前景背景信頼度及びアンカーポイントバウンディングボックス位置を出力する。アンカーポイントバウンディングボックス位置はアンカーポイントバウンディングボックス中心点座標のx、y、幅w’及び高さh’というパラメータの4つを含む。
2.3）2.1）で取得したアンカーポイントバウンディングボックスに対してプリセットした条件に従ってプリセットした条件を満たす予定数の領域を選出する。本実施例では、取得したアンカーポイントバウンディングボックスに対してsoftmaxの得点により降順で並べ替え、トップ2000領域を保留し、更に非最大値抑制アルゴリズム（Non-Maximum Suppression、NMS）により見込み信頼度が一番高い領域のトップ300を選出し、最終的な領域の提案コレクションCを取得する。
2.4）Fast R-CNNはROIプーリングレイヤーの2つ、完全に接続されたレイヤーの1つ及び並行な完全に接続されたレイヤーの2つからなり、各々当該領域の信頼度及びバウンディングボックス回帰済位置を出力する。
ROIプーリングレイヤーは領域の提案コレクションCと融合済畳み込み特徴マップに対するプーリング操作を行い、入力したイメージによりROIを特徴マップの対応位置にマッピングし、マッピング済領域を同一のサイズのセクションに分け、各セクションに対して最大プーリング操作を行う。
完全に接続されたレイヤーはROIプーリングレイヤーの出力結果を併合し、最後に並行な完全に接続されたレイヤーの2つを入力し、アンカーポイントバウンディングボックスに対して領域分類及びバウンディングボックス回帰を行い、画像におけるターゲットの位置及その種類、信頼度を出力する。
ステップ3）RPNネットワークを訓練するコスト関数及びFast R-CNNネットワークを訓練するコスト関数を作成する。
本実施例では、RPNネットワークを訓練するコスト関数は下記である。
Figure 0007120689000003
 その中、
ground truth(即ち較正された真実なデータ)との引渡し率（Intersection over Union、IoU）が最大または少なくとも0.7であるアンカーポイントバウンディングボックスを正サンプルに表示する。
Ｐi：想定信頼度
Ｐi *：ラベル値、1である場合に正サンプル、0である場合に負サンプルを表し、ｉはアンカーポイントバウンディングボックスの索引である。
Ｎcls：アンカーポイントバウンディングボックス総数
Ｎreg：正サンプルの数
ｔi：想定アンカーポイントバウンディングボックスの補正値
ｔi *：実際のアンカーポイントバウンディングボックスの補正値
Ｌcls：分類コスト
Ｌreg：バウンディングボックス回帰コスト
λ：バランスウェイト
本実施例では、Fast R-CNNネットワークを訓練するコスト関数は下記である。
Figure 0007120689000004
 その中、
u：u類目
ｔu：u類目のバウンディングボックス回帰想定補正値
v：実際の補正値
Ｌcls：分類コスト
Ｌreg：バウンディングボックス回帰コスト
ｐ：分類想定結果
λ：バランスウェイト
ステップ4）スタンダードZFモデル訓練及び微調整ネットワークの各パラメータにより設定した標準偏差のゼロ平均ガウス分布から重みを抽出してランダムにすべての新規レイヤーの初期化を行う。
ステップ5）逆伝播アルゴリズム、確率的勾配降下アルゴリズムを利用して、RPNとFast R-CNNの2つのネットワークに対する交替訓練によりモデルに対する訓練を行い、順にレイヤーごとのニューラルネットワークの重みを調整し、ネットワーク初期学習率を0.01、最低学習率を0.0001、勢いを0.9、重み減衰係数を0.0005、Dropout値を0.5に設定する。具体的なステップは下記である。
（1）逆伝播アルゴリズム及び確率的勾配アルゴリズムによりRPNモデルを訓練し、この段階を80000回繰り返す。
（2）RPNに生成したアンカーポイントバウンディングボックスをFast R-CNNの入力にし、独立した訓練を行い、この段階を40000回繰り返す。
（3）（2）における結果によりRPNネットワークの構成の初期化を行い、共有畳み込み層を固定し（共有畳み込み層の学習率を0にする）、RPNネットワークのパラメータを更新し、この段階を80000回繰り返す。
（4）共有畳み込み層を固定し（共有畳み込み層の学習率を0にする）、Fast R-CNNネットワークの構成を微調整し、その完全に接続されたレイヤーのパラメータを更新し、この段階を40000回繰り返す。
ステップ6）訓練コレクションにより大体に訓練しておいたFaster R-CNNモデルをテストし、本発明の難しいサンプル判別式により難しいサンプルを選出する。
ステップ7）ステップ6）で生じた難しいサンプルを訓練コレクションに入れ、ネットワークに対する再訓練を行い、ステップ5～7を繰り返してネットワークの難しいサンプルに対する判別力を強化し、最終に最適なFaster R-CNNモデルを取得する。訓練の過程について図2を参照できる。
ステップ8）実際に採集した車載ビデオ画像を処理し、訓練しておいたFaster R-CNNモデルに入力し、当該画像におけるターゲット種類、信頼度及びターゲット位置を出力する。
本発明は充分にFaster R-CNNアルゴリズムに存在する小さなターゲットの検出漏れを考慮し、深度の画像特徴融合及び難しいサンプルの掘り出し方法により複雑な交通シーンにおける車認識の正確率を向上させる。
本発明で使用する畳み込みニューラルネットワークに基づくターゲット検出アルゴリズムは柔軟にデータを訓練する場合に需要に応じて有効な特徴を学習して個別検出を完成できる。R-CNNアルゴリズムはアンカーポイントバウンディングボックス提案と畳み込みニューラルネットワークを結び合わせたターゲット検出アルゴリズムであり、領域提案アルゴリズムが生じた多数の提案アンカーポイントバウンディングボックス及び高い時間コストにより、リアルタイム性及び正確性で改善の余地がまだ大きい。共有畳み込みネットワークにより提案アンカーポイントバウンディングボックスを抽出するFaster R-CNNアルゴリズムはリアルタイムで顕著に向上したものであり、従来の領域提案アルゴリズムを放棄し、深層ネットワークにおける畳み込み層によりアンカーポイントバウンディングボックスを抽出するので、大量に時間コストを削減できるが、小さなターゲットが多く、複雑なシーンでは、検出漏れが顕著であるので、改善の余地がまだ大きいである。
上記のものが本発明の好ましい実施形態だけであるので、本技術分野の普通の技術者にとって、本発明の技術原理を離れない前提で若干の改善または変形を行うことができ、該当する改善でも変形でも本発明の保護範囲にある。

Claims (8)

  1. 下記のステップを含むことを特徴とする深層学習に基づく車載ビデオターゲット検出方法：
    ステップ1）深度座標の下のピクセルをカラー座標の下に合わせ、深度画像及びカラー画像を各々CNNにより特徴抽出を行い、各々の畳み込み層が出力した特徴マップをチャンネル次元で直列接続融合を行って最終的RGB-D特徴を取得して融合済畳み込み特徴マップとし、ここで、前記直列接続融合によって取得したRGB-D特徴はRPNとFast R-CNNが共有する融合済畳み込み特徴マップとしてマトリックス形式が下記であり、
    Figure 0007120689000005

    その中、
    i、j、k：中間変数
    i～［０，ｈ‐１］、j～［０，ｗ‐１］、ｋ～［０，２ｃ‐１］、
    h：特徴マップの高さ
    w：特徴マップの幅
    c：RGBのチャンネルの3つ
    Ｙ RGB （ｉ，ｊ，ｋ）： カラー画像特徴
    Ｙ depth （ｉ，ｊ，ｋ‐ｃ）：深度画像特徴
    Ｙ merge （ｉ，ｊ，ｋ）：直列接続融合済画像特徴であり、
    領域提案ネットワークRPNを作成し、前記の領域提案ネットワークRPNは3×3の畳み込み層の1つ及び1×1の並行畳み込み層の2つを含み、融合済畳み込み特徴マップを3×3の畳み込み層に入力し、入力した特徴マップ上にピクセル単位でプリセットしたサイズごとにアンカーポイントを設定し、各アンカーポイントに所定寸法のアンカーポイントバウンディングボックスを生じさせ、
    生じたアンカーポイントバウンディングボックスを1×1の並行畳み込み層の2つに入力してバウンディングボックス回帰及び前景背景の判断を行い、各々アンカーポイントバウンディングボックスの前景背景信頼度及びアンカーポイントバウンディングボックス位置を出力し、プリセットした条件に従って取得したアンカーポイントバウンディングボックスから所定条件を満たすプリセットした数の領域を抽出し、最終的な領域提案コレクションCを取得し、
    ステップ2）Fast R-CNNモデルを作成し、
    前記のFast R-CNNモデルはROIプーリングレイヤーの2つ、完全に接続されたレイヤーの1つ及び並行な完全に接続されたレイヤーの2つからなり、各々当該領域の信頼度及びバウンディングボックス回帰済位置を出力し、融合済畳み込み特徴マップをFast R-CNNモデルに入力し、画像におけるターゲットの位置及び種類及び信頼度を出力し、
    ステップ3）RPNネットワークを訓練するコスト関数及びFast R-CNNネットワークを訓練するコスト関数を作成し、
    ステップ4）所定の値に設定した標準偏差のゼロ平均ガウス分布から重みを抽出してランダムにすべての新規レイヤーの初期化を行い、
    ステップ5）逆伝播アルゴリズム、確率的勾配降下アルゴリズムを利用して、RPNとFast R-CNNの2つのネットワークに対する交替訓練によりモデルに対する訓練を行い、プリセットしたパラメータにより順にレイヤーごとのニューラルネットワークの重みを調整し、
    ステップ6）事前に取得した訓練コレクションにより訓練しておいたFaster R-CNNモデルをテストし、難しいサンプルの判断式により難しいサンプルを選出し、
    ここで、前記難しいサンプルの判断式が下記であり、
    Figure 0007120689000006
    その中、
    L IoU ：バウンディングボックス回帰誤差
    Ｌ score ：分類誤差
    o：サンプルとターゲットとの交差率
    ｋ：しきい値に対する感度係数
    oとpの値の範囲：0～1であり、
    ステップ7）ステップ6で生じた難しいサンプルを訓練コレクションに入れ、ネットワークに対する再訓練を行い、ステップ5～7を繰り返して最適なFaster R-CNNモデルを取得し、
    ステップ8）実際に採集した車載ビデオ画像を処理し、訓練しておいたFaster R-CNNモデルに入力し、当該画像におけるターゲット種類、信頼度及びターゲット位置を出力する。
  2. 前記のRPNネットワークを訓練するコスト関数が下記であることを特徴とする請求項1に記載の深層学習に基づく車載ビデオターゲット検出方法。
    Figure 0007120689000007

    その中、
    較正された真実なデータとの引渡し率が最大または少なくとも0.7であるアンカーポイントバウンディングボックスを正サンプルに表示する。
    Ｐi：想定信頼度
    Ｐi *：ラベル値、1である場合に正サンプル、0である場合に負サンプルを表す。
    ｉ：アンカーポイントバウンディングボックスの索引
    Ｎcls：アンカーポイントバウンディングボックス総数
    Ｎreg：正サンプルの数
    ｔi：想定アンカーポイントバウンディングボックスの補正値
    ｔi *：実際のアンカーポイントバウンディングボックスの補正値
    Ｌcls：分類コスト
    Ｌreg：バウンディングボックス回帰コスト
    λ：バランスウェイト
  3. 前記のFast R-CNNネットワークを訓練するコスト関数が下記であることを特徴とする請求項1に記載の深層学習に基づく車載ビデオターゲット検出方法。
    Figure 0007120689000008
    その中、
    u： u類目
    ｔu：u類目のバウンディングボックス回帰想定補正値
    v：実際の補正値
    Ｌ cls ：分類コスト
    Ｌreg：バウンディングボックス回帰コスト
    ｐ：分類想定結果
    λ：バランスウェイト
  4. ステップ5）の具体的なステップが下記であることを特徴とする請求項1に記載の深層学習に基づく車載ビデオターゲット検出方法：
    （1）逆伝播アルゴリズム及び確率的勾配アルゴリズムによりRPNモデルを訓練し、この段階を80000回繰り返し、
    （2）RPNに生成したアンカーポイントバウンディングボックスをFast R-CNNの入力にし、独立した訓練を行い、この段階を40000回繰り返し、
    （3）（2）における結果によりRPNネットワークの構成の初期化を行い、共有畳み込み層を固定し（共有畳み込み層の学習率を0にする）、RPNネットワークのパラメータを更新し、この段階を80000回繰り返し、
    （4）共有畳み込み層を固定し（共有畳み込み層の学習率を0にする）、Fast R-CNNネットワークの構成を微調整し、その完全に接続されたレイヤーのパラメータを更新し、この段階を40000回繰り返す。
  5. ステップ5）におけるパラメータ設定はネットワーク初期学習率を0.01、最低学習率を0.0001、勢いを0.9、重み減衰係数を0.0005、Dropout値を0.5に設定することを含むことを特徴とする請求項1に記載の深層学習に基づく車載ビデオターゲット検出方法。
  6. 事前に訓練コレクション及びテストコレクションを取得する方法は下記のステップを含むことを特徴とする請求項1に記載の深層学習に基づく車載ビデオターゲット検出方法：
    KITTIデータコレクションにより訓練サンプルコレクション及びテストサンプルコレクションを作成し、
    PASCAL VOCフォーマットによりKITTIの種類を転換し、KITTIデータコレクションを車、歩行者及び交通という3種に分け、
    ラベル情報を転換し、ラベルファイルをtxtファイルからxmlファイルに転換し、ラベルにおける他の情報を削除し、3種のみを保留し、最後に、訓練コレクション及びテストコレクションを生成する。
  7. 所定条件を満たすプリセットした数の領域を選出する方法が下記であることを特徴とする請求項1に記載の深層学習に基づく車載ビデオターゲット検出方法：
    取得したアンカーポイントバウンディングボックスをsoftmaxの得点により降順で並べ替え、トップ2000領域を保留し、更に非最大値抑制アルゴリズムにより見込み信頼度が一番高いトップ所定数の領域を選出する。
  8. ステップ4に記載の設定した標準偏差が0.01であることを特徴とする請求項1に記載の深層学習に基づく車載ビデオターゲット検出方法。
JP2021502766A 2019-03-12 2019-06-25 深層学習に基づく車載ビデオターゲット検出方法 Active JP7120689B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201910185300.4A CN109977812B (zh) 2019-03-12 2019-03-12 一种基于深度学习的车载视频目标检测方法
CN201910185300.4 2019-03-12
PCT/CN2019/092749 WO2020181685A1 (zh) 2019-03-12 2019-06-25 一种基于深度学习的车载视频目标检测方法

Publications (3)

Publication Number Publication Date
JP2021530062A JP2021530062A (ja) 2021-11-04
JPWO2020181685A5 JPWO2020181685A5 (ja) 2022-06-03
JP7120689B2 true JP7120689B2 (ja) 2022-08-17

Family

ID=67078633

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021502766A Active JP7120689B2 (ja) 2019-03-12 2019-06-25 深層学習に基づく車載ビデオターゲット検出方法

Country Status (3)

Country Link
JP (1) JP7120689B2 (ja)
CN (1) CN109977812B (ja)
WO (1) WO2020181685A1 (ja)

Families Citing this family (277)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110399884B (zh) * 2019-07-10 2021-08-20 浙江理工大学 一种特征融合自适应锚框模型车辆检测方法
CN110414389A (zh) * 2019-07-12 2019-11-05 黑龙江御林湾科技有限公司 一种基于深度学习的快速区域搜索的目标检测方法
CN110464611A (zh) * 2019-07-23 2019-11-19 苏州国科视清医疗科技有限公司 一种数字化弱视增强训练装置和系统及其相关算法
CN110503112B (zh) * 2019-08-27 2023-02-03 电子科技大学 一种增强特征学习的小目标检测及识别方法
CN110826391A (zh) * 2019-09-10 2020-02-21 中国三峡建设管理有限公司 泌水区域检测方法、系统、计算机设备和存储介质
CN110689021A (zh) * 2019-10-17 2020-01-14 哈尔滨理工大学 一种基于深度学习的低可见度环境下实时目标检测方法
CN111091144B (zh) * 2019-11-27 2023-06-27 云南电网有限责任公司电力科学研究院 基于深度伪孪生网络的图像特征点匹配方法及装置
CN110743818A (zh) * 2019-11-29 2020-02-04 苏州嘉诺环境工程有限公司 基于视觉及深度学习的垃圾分选系统、垃圾分选方法
CN111104885A (zh) * 2019-12-10 2020-05-05 南京邮电大学 基于视频深度学习的车辆识别方法
CN111104903B (zh) * 2019-12-19 2022-07-26 南京邮电大学 一种深度感知交通场景多目标检测方法和系统
CN111145239B (zh) * 2019-12-30 2022-02-11 南京航空航天大学 一种基于深度学习的飞机油箱多余物自动检测方法
CN111182491B (zh) * 2019-12-31 2022-03-22 淮安中科晶上智能网联研究院有限公司 一种基于射频层析成像的无设备目标定位的方法及装置
CN111291747B (zh) * 2020-01-10 2023-06-13 大连理工大学 一种复杂场景下基于深度图的彩色小目标检测方法
CN111444816A (zh) * 2020-01-14 2020-07-24 北京银河信通科技有限公司 一种基于Faster RCNN的多尺度密集行人检测方法
CN111292349B (zh) * 2020-01-17 2023-04-18 北京大学深圳研究生院 一种基于推荐候选框融合的用于目标检测的数据增强方法
CN111310607B (zh) * 2020-01-22 2021-01-01 交通运输部公路科学研究所 基于计算机视觉和人工智能的公路安全风险识别方法及系统
CN111310828B (zh) * 2020-02-14 2023-01-03 开易（北京）科技有限公司 用于adas场景的目标检测模型微调方法及装置
CN111310660B (zh) * 2020-02-14 2024-05-17 开易（北京）科技有限公司 用于adas场景的目标检测虚警抑制方法及装置
CN111291820B (zh) * 2020-02-19 2023-05-30 中国电子科技集团公司第二十八研究所 一种结合定位信息和分类信息的目标检测方法
CN111310850B (zh) * 2020-03-02 2023-06-16 杭州雄迈集成电路技术股份有限公司 车牌检测模型的构建方法及系统、车牌检测方法及系统
CN111444973B (zh) * 2020-03-31 2022-05-20 西安交通大学 一种无人零售购物台商品检测方法
CN111507738B (zh) * 2020-05-04 2021-06-04 宁波甜宝生物信息技术有限公司 基于区块链和5g通讯的油墨溯源回收工艺方法
CN112750194A (zh) * 2020-05-15 2021-05-04 奕目(上海)科技有限公司 一种无人驾驶汽车避障方法、装置
CN111724392A (zh) * 2020-05-25 2020-09-29 浙江工业大学 一种针对深度学习特征注意力转移的数据处理方法
CN111666839A (zh) * 2020-05-25 2020-09-15 东华大学 一种基于改进Faster RCNN的道路行人检测系统
CN111881932B (zh) * 2020-06-11 2023-09-15 中国人民解放军战略支援部队信息工程大学 一种军用飞机的FasterRCNN目标检测算法
CN111738164B (zh) * 2020-06-24 2021-02-26 广西计算中心有限责任公司 一种基于深度学习的行人检测方法
CN112016449A (zh) * 2020-08-27 2020-12-01 西华大学 一种基于深度学习的车辆识别与检测方法
CN112183274A (zh) * 2020-09-21 2021-01-05 深圳中兴网信科技有限公司 泥头车检测方法和计算机可读存储介质
CN112132804B (zh) * 2020-09-22 2023-10-31 苏州巨能图像检测技术有限公司 一种用于集卡轮毂的防吊起检测方法
CN112233175B (zh) * 2020-09-24 2023-10-24 西安交通大学 基于YOLOv3-tiny算法的芯片定位方法及一体化定位平台
CN112132042B (zh) * 2020-09-24 2023-08-01 西安电子科技大学 基于对抗域适应的sar图像目标检测方法
CN112164017B (zh) * 2020-09-27 2023-11-17 中国兵器工业集团第二一四研究所苏州研发中心 一种基于深度学习的偏振彩色化方法
CN112115913B (zh) * 2020-09-28 2023-08-25 杭州海康威视数字技术股份有限公司 图像处理方法、装置及设备、存储介质
CN112364687A (zh) * 2020-09-29 2021-02-12 上善智城(苏州)信息科技有限公司 一种基于改进的Faster R-CNN加油站静电标志识别方法及系统
CN112580424B (zh) * 2020-09-29 2023-08-11 长安大学 一种复杂车路环境的偏振特征多尺度池化分类算法
CN112541389B (zh) * 2020-09-29 2023-08-22 西安交通大学 一种基于EfficientDet网络的输电线路故障检测方法
CN112085126B (zh) * 2020-09-30 2023-12-12 浙江大学 一种侧重于分类任务的单样本目标检测方法
CN112330591B (zh) * 2020-09-30 2023-01-24 中国国家铁路集团有限公司 少样本学习的钢轨表面缺陷检测方法及装置
CN112215128B (zh) * 2020-10-09 2024-04-05 武汉理工大学 融合fcos的r-cnn城市道路环境识别方法及装置
CN112233090B (zh) * 2020-10-15 2023-05-30 浙江工商大学 基于改进注意力机制的薄膜瑕疵检测方法
CN112232214A (zh) * 2020-10-16 2021-01-15 天津大学 一种基于深度特征融合和注意力机制的实时目标检测方法
CN112329558B (zh) * 2020-10-22 2022-10-25 上海交通大学 一种基于烧结机尾断面视频的FeO含量预测方法
CN112241718B (zh) * 2020-10-23 2024-05-24 北京百度网讯科技有限公司 车辆信息的检测方法、检测模型的训练方法和装置
CN112417981B (zh) * 2020-10-28 2024-04-26 大连交通大学 基于改进FasterR-CNN的复杂战场环境目标高效识别方法
CN112329588B (zh) * 2020-10-30 2024-01-05 中海石油(中国)有限公司 一种基于Faster R-CNN的管道故障检测方法
CN112183485B (zh) * 2020-11-02 2024-03-05 北京信息科技大学 基于深度学习的交通锥桶检测定位方法、系统及存储介质
CN112287854A (zh) * 2020-11-02 2021-01-29 湖北大学 基于深度神经网络的建筑室内人员检测方法及系统
CN112200803B (zh) * 2020-11-04 2023-10-10 成都朴华科技有限公司 精子核蛋白成熟度检测方法及装置
CN112380962A (zh) * 2020-11-11 2021-02-19 成都摘果子科技有限公司 一种基于深度学习的动物图像识别方法及系统
CN112329871B (zh) * 2020-11-11 2022-03-08 河北工业大学 一种基于自校正卷积与通道注意力机制的肺结节检测方法
CN112396582B (zh) * 2020-11-16 2024-04-26 南京工程学院 一种基于Mask RCNN的均压环歪斜检测方法
CN112395975A (zh) * 2020-11-17 2021-02-23 南京泓图人工智能技术研究院有限公司 一种基于旋转区域生成网络的遥感图像目标检测方法
CN112381005A (zh) * 2020-11-17 2021-02-19 温州大学 一种面向复杂场景的安全帽检测系统
CN112395987B (zh) * 2020-11-18 2023-07-28 西安电子科技大学 基于无监督域适应cnn的sar图像目标检测方法
CN112580778A (zh) * 2020-11-25 2021-03-30 江苏集萃未来城市应用技术研究所有限公司 基于YOLOv5和Pose-estimation的工地工人手机使用检测方法
CN112668585B (zh) * 2020-11-26 2024-04-09 厦门大学 一种动态环境下的物体辨识与定位方法
CN112434740A (zh) * 2020-11-26 2021-03-02 西北大学 一种基于深度学习的秦俑碎块分类方法
CN112396017B (zh) * 2020-11-27 2023-04-07 上海建科工程咨询有限公司 一种基于图像识别的工程安全隐患识别方法及系统
CN112418117B (zh) * 2020-11-27 2023-05-12 北京工商大学 一种基于无人机图像的小目标检测方法
CN112434745B (zh) * 2020-11-27 2023-01-24 西安电子科技大学 基于多源认知融合的遮挡目标检测识别方法
CN112446429B (zh) * 2020-11-27 2022-06-21 广东电网有限责任公司肇庆供电局 一种基于cgan的巡检图像数据小样本扩充方法
CN112418114A (zh) * 2020-11-27 2021-02-26 广州华多网络科技有限公司 时序行为检测、响应方法及装置、设备、介质
CN112528782B (zh) * 2020-11-30 2024-02-23 北京农业信息技术研究中心 水下鱼类目标检测方法及装置
CN112508091B (zh) * 2020-12-03 2024-01-19 大连海事大学 基于卷积神经网络的低质量图像分类方法
CN112507862B (zh) * 2020-12-04 2023-05-26 东风汽车集团有限公司 基于多任务卷积神经网络的车辆朝向检测方法及系统
CN112464851A (zh) * 2020-12-08 2021-03-09 国网陕西省电力公司电力科学研究院 一种基于视觉感知的智能电网异物入侵检测方法及系统
CN112528862B (zh) * 2020-12-10 2023-02-10 西安电子科技大学 基于改进的交叉熵损失函数的遥感图像目标检测方法
CN112488229B (zh) * 2020-12-10 2024-04-05 西安交通大学 一种基于特征分离和对齐的域自适应无监督目标检测方法
CN112598165B (zh) * 2020-12-11 2023-09-26 湖南大学 基于私家车数据的城市功能区转移流量预测方法及装置
CN112580647A (zh) * 2020-12-11 2021-03-30 湖北工业大学 一种面向堆叠物体的识别方法及系统
CN112507898B (zh) * 2020-12-14 2022-07-01 重庆邮电大学 一种基于轻量3d残差网络和tcn的多模态动态手势识别方法
CN112488066A (zh) * 2020-12-18 2021-03-12 航天时代飞鸿技术有限公司 一种无人机多机协同侦察下的目标实时检测方法
CN112528995B (zh) * 2020-12-22 2023-08-04 北京百度网讯科技有限公司 用于训练目标检测模型的方法、目标检测方法及装置
CN112633177A (zh) * 2020-12-24 2021-04-09 浙江大学 一种基于注意力空间卷积神经网络的车道线检测分割方法
CN112668696A (zh) * 2020-12-25 2021-04-16 杭州中科先进技术研究院有限公司 一种基于嵌入式深度学习的无人机电网巡检方法和系统
CN112699782A (zh) * 2020-12-29 2021-04-23 杭州电子科技大学 基于N2N和Bert的雷达HRRP目标识别方法
CN112861849B (zh) * 2020-12-29 2023-01-10 北京航空航天大学 一种脊柱畸形矫正手术术中组织识别方法
CN112712503B (zh) * 2020-12-30 2023-05-02 厦门福信光电集成有限公司 一种基于深度学习的显示面板外观检测方法
CN112651458B (zh) * 2020-12-31 2024-04-02 深圳云天励飞技术股份有限公司 分类模型的训练方法、装置、电子设备及存储介质
CN112686188B (zh) * 2021-01-05 2024-02-06 西安理工大学 基于深度学习方法的前挡风玻璃及驾驶员区域定位方法
CN112668536B (zh) * 2021-01-06 2023-08-25 北京理工大学 一种基于机载光电视频的轻量化旋转目标检测识别方法
CN113011417B (zh) * 2021-01-08 2023-02-10 湖南大学 基于交并比覆盖率损失与重定位策略的目标匹配方法
CN112669312A (zh) * 2021-01-12 2021-04-16 中国计量大学 一种基于深度特征对称融合的胸片肺炎检测方法及系统
CN112835008B (zh) * 2021-01-12 2022-03-04 西安电子科技大学 基于姿态自适应卷积网络的高分辨距离像目标识别方法
CN112733741A (zh) * 2021-01-14 2021-04-30 苏州挚途科技有限公司 交通标识牌识别方法、装置和电子设备
CN112733742B (zh) * 2021-01-14 2022-02-01 哈尔滨市科佳通用机电股份有限公司 一种基于深度学习的铁路货车下拉杆圆销故障检测方法
CN112784723A (zh) * 2021-01-14 2021-05-11 金陵科技学院 一种基于IFast-RCNN算法的道路交通安全保护模型
CN113173502B (zh) * 2021-01-15 2023-06-06 福建电子口岸股份有限公司 一种基于激光视觉融合和深度学习的防撞方法、系统
CN112766170B (zh) * 2021-01-21 2024-04-16 广西财经学院 基于簇类无人机图像的自适应分割检测方法及装置
CN112766176B (zh) * 2021-01-21 2023-12-01 深圳市安软科技股份有限公司 轻量化卷积神经网络的训练方法及人脸属性识别方法
CN112861932B (zh) * 2021-01-21 2024-02-02 上海应用技术大学 轨道板裂缝检测方法
CN112766188B (zh) * 2021-01-25 2024-05-10 浙江科技学院 一种基于改进yolo算法的小目标行人检测方法
CN112949849B (zh) * 2021-01-27 2024-03-26 武汉星巡智能科技有限公司 采用边缘计算优化智能摄像头检测模型的方法和装置
CN112818837B (zh) * 2021-01-29 2022-11-11 山东大学 一种基于姿态校正和困难样本感知的航拍车辆重识别方法
CN112801187B (zh) * 2021-01-29 2023-01-31 广东省科学院智能制造研究所 基于注意力机制与集成学习的高光谱数据分析方法和系统
CN112766274B (zh) * 2021-02-01 2023-07-07 长沙市盛唐科技有限公司 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统
CN112884213B (zh) * 2021-02-02 2024-04-19 华北电力大学 小波分解与动态混合深度学习的燃煤锅炉NOx预测方法
CN112861700B (zh) * 2021-02-03 2023-11-03 西安仁义智机电科技有限公司 基于DeepLabv3+的车道线网络识别模型建立及车辆速度检测方法
CN112556682B (zh) * 2021-02-07 2023-06-23 天津蓝鳍海洋工程有限公司 一种水下复合传感器目标自动检测算法
CN112802006B (zh) * 2021-02-07 2024-03-22 南通大学 一种基于深度学习的边缘计算电机油污识别方法
CN112986210B (zh) * 2021-02-10 2021-12-17 四川大学 一种尺度自适应的微生物拉曼光谱检测方法及系统
CN113033609B (zh) * 2021-02-16 2022-11-29 浙江大学 一种基于多任务dcgan的sar图像分类方法
CN112964693A (zh) * 2021-02-19 2021-06-15 山东捷讯通信技术有限公司 一种拉曼光谱谱带区域分割方法
CN112907621B (zh) * 2021-02-24 2023-02-14 华南理工大学 一种基于差分和语义信息融合的运动目标提取方法
CN112927264B (zh) * 2021-02-25 2022-12-16 华南理工大学 一种无人机跟踪拍摄系统及其rgbd跟踪方法
CN112926652B (zh) * 2021-02-25 2023-10-24 青岛科技大学 一种基于深度学习的鱼类细粒度图像识别方法
CN112818932A (zh) * 2021-02-26 2021-05-18 北京车和家信息技术有限公司 图像处理方法、障碍物检测方法、装置、介质及车辆
CN112926457B (zh) * 2021-02-26 2022-09-06 中国电子科技集团公司第二十八研究所 一种基于融合频域和空间域网络模型的sar图像识别方法
CN112966598B (zh) * 2021-03-04 2022-08-30 河南大学 一种双路径小卷积网络的高光谱图像分类方法
CN112966747A (zh) * 2021-03-04 2021-06-15 北京联合大学 一种基于无锚框检测网络改进的车辆检测方法
CN112837315B (zh) * 2021-03-05 2023-11-21 云南电网有限责任公司电力科学研究院 一种基于深度学习的输电线路绝缘子缺陷检测方法
CN113129225A (zh) * 2021-03-09 2021-07-16 西安理工大学 基于Dense Net网络的计算鬼成像重建恢复方法
CN112966611A (zh) * 2021-03-09 2021-06-15 中国科学技术大学 一种dwt注意机制的能量迹噪声自适应方法
CN113128335B (zh) * 2021-03-09 2024-05-31 西北大学 微体古生物化石图像检测、分类及发现方法、系统及应用
CN113159021A (zh) * 2021-03-10 2021-07-23 国网河北省电力有限公司 基于上下文信息的文本检测方法
CN112990230B (zh) * 2021-03-12 2023-05-09 西安电子科技大学 基于二阶段分组注意力残差机制的光谱图像压缩重建方法
CN113052184B (zh) * 2021-03-12 2022-11-18 电子科技大学 一种基于两阶段局部特征对齐的目标检测方法
CN113032612B (zh) * 2021-03-12 2023-04-11 西北大学 一种多目标图像检索模型的构建方法及检索方法和装置
CN113095152B (zh) * 2021-03-18 2023-08-22 西安交通大学 一种基于回归的车道线检测方法及系统
CN113111727B (zh) * 2021-03-19 2024-05-31 西北工业大学 一种基于特征对齐的遥感场景下旋转目标检测方法
CN113011338B (zh) * 2021-03-19 2023-08-22 华南理工大学 一种车道线检测方法及系统
CN113128563B (zh) * 2021-03-23 2023-11-17 武汉泰沃滋信息技术有限公司 一种高速工程车辆检测方法、装置、设备及存储介质
CN113128564B (zh) * 2021-03-23 2022-03-22 武汉泰沃滋信息技术有限公司 一种基于深度学习的复杂背景下典型目标检测方法及系统
CN112990065B (zh) * 2021-03-31 2024-03-22 上海海事大学 一种基于优化的YOLOv5模型的车辆分类检测方法
CN113256507B (zh) * 2021-04-01 2023-11-21 南京信息工程大学 一种针对二进制流量数据生成图像的注意力增强方法
US20240161461A1 (en) * 2021-04-01 2024-05-16 Boe Technology Group Co., Ltd. Object detection method, object detection apparatus, and object detection system
CN113077491B (zh) * 2021-04-02 2023-05-02 安徽大学 基于跨模态共享和特定表示形式的rgbt目标跟踪方法
CN113076898B (zh) * 2021-04-09 2023-09-15 长安大学 一种交通车辆目标检测方法、装置、设备及可读存储介质
CN113159159B (zh) * 2021-04-15 2023-09-29 东北大学 一种基于改进cnn的小样本图像分类方法
CN113095417B (zh) * 2021-04-16 2023-07-28 西安电子科技大学 基于融合图卷积和卷积神经网络的sar目标识别方法
CN113221668B (zh) * 2021-04-20 2023-04-07 西安翔迅科技有限责任公司 一种风力发电机组叶片视频监测中的抽帧方法
CN113191235B (zh) * 2021-04-22 2024-05-17 上海东普信息科技有限公司 杂物检测方法、装置、设备及存储介质
CN113177133B (zh) * 2021-04-23 2024-03-29 深圳依时货拉拉科技有限公司 一种图像检索方法、装置、设备及存储介质
CN113205026B (zh) * 2021-04-26 2022-08-16 武汉大学 一种基于Faster RCNN深度学习网络改进的车型识别方法
CN113159198A (zh) * 2021-04-27 2021-07-23 上海芯物科技有限公司 一种目标检测方法、装置、设备及存储介质
CN113255737B (zh) * 2021-04-30 2023-08-08 超节点创新科技(深圳)有限公司 对民航分拣线上的叠包行李分拣方法、电子设备和存储介质
CN113221993B (zh) * 2021-05-06 2023-08-01 西安电子科技大学 基于元学习和跨阶段沙漏的大视场小样本目标检测方法
CN113139497B (zh) * 2021-05-08 2023-04-28 广东工业大学 一种水面物体识别的系统、方法及基于5g mec的应用
CN113139615A (zh) * 2021-05-08 2021-07-20 北京联合大学 一种基于嵌入式设备的无人驾驶环境目标检测方法
CN113327227B (zh) * 2021-05-10 2022-11-11 桂林理工大学 一种基于MobilenetV3的小麦头快速检测方法
CN113128473A (zh) * 2021-05-17 2021-07-16 哈尔滨商业大学 一种面向地下综合管廊的巡检系统、方法、设备及存储介质
CN113240017B (zh) * 2021-05-18 2023-09-12 西安理工大学 一种基于注意力机制的多光谱和全色图像分类方法
CN113408584B (zh) * 2021-05-19 2022-07-26 成都理工大学 Rgb-d多模态特征融合3d目标检测方法
CN113269073B (zh) * 2021-05-19 2022-11-15 青岛科技大学 一种基于yolo v5算法的船舶多目标追踪方法
CN113421222B (zh) * 2021-05-21 2023-06-23 西安科技大学 一种轻量化煤矸目标检测方法
CN113379761B (zh) * 2021-05-25 2023-04-28 重庆顺多利机车有限责任公司 一种基于人工智能的多agv与自动门的联动方法与系统
CN113240611B (zh) * 2021-05-28 2024-05-07 中建材信息技术股份有限公司 一种基于图片序列的异物检测方法
CN113343821B (zh) * 2021-05-31 2022-08-30 合肥工业大学 一种基于时空注意力网络和输入优化的非接触式心率测量方法
CN113240039B (zh) * 2021-05-31 2023-08-15 西安电子科技大学 基于空间位置特征重加权的小样本目标检测方法及系统
CN113255797B (zh) * 2021-06-02 2024-04-05 通号智慧城市研究设计院有限公司 一种基于深度学习模型的危险品检测方法和系统
CN113468967B (zh) * 2021-06-02 2023-08-18 北京邮电大学 基于注意力机制的车道线检测方法、装置、设备及介质
CN113255682B (zh) * 2021-06-04 2021-11-16 浙江智慧视频安防创新中心有限公司 一种目标检测系统、方法、装置、设备及介质
CN113506317B (zh) * 2021-06-07 2022-04-22 北京百卓网络技术有限公司 一种基于Mask R-CNN和表观特征融合的多目标跟踪方法
CN113362389B (zh) * 2021-06-08 2024-02-27 长安大学 基于cnn-rnn耦合数-形融合的盾构隧道变形预测方法
CN113240050B (zh) * 2021-06-08 2024-05-03 南京师范大学 一种特征融合权重可调的金属打印熔池检测方法
CN113378918B (zh) * 2021-06-09 2022-06-07 武汉大学 一种基于度量学习的绝缘子绑扎线状态检测方法
CN113378936B (zh) * 2021-06-11 2024-03-08 长沙军民先进技术研究有限公司 一种基于Faster RCNN的少样本目标检测方法
CN113343863B (zh) * 2021-06-11 2023-01-03 北京邮电大学 融合表征网络模型训练方法、指纹表征方法及其设备
CN113313058B (zh) * 2021-06-16 2022-08-02 北京航空航天大学 一种基于自适应模型集成的无人机航拍图像目标检测方法
CN113421235B (zh) * 2021-06-17 2023-06-20 中国电子科技集团公司第四十一研究所 一种基于深度学习的烟支定位装置及方法
CN113239899B (zh) * 2021-06-17 2024-05-28 阿波罗智联(北京)科技有限公司 用于处理图像和生成卷积核的方法、路侧设备和云控平台
CN113408423B (zh) * 2021-06-21 2023-09-05 西安工业大学 适用于tx2嵌入式平台的水产品目标实时检测方法
CN113420643B (zh) * 2021-06-21 2023-02-10 西北工业大学 基于深度可分离空洞卷积的轻量级水下目标检测方法
CN113660484B (zh) * 2021-06-29 2024-04-26 北京点众快看科技有限公司 基于音视频内容的音视频属性比对方法、系统、终端及介质
CN113449738B (zh) * 2021-07-06 2023-06-23 国网信息通信产业集团有限公司 基于样本特性的先验框参数自适应改进frc检测方法
CN113469071B (zh) * 2021-07-06 2024-03-29 西安科技大学 一种针对嵌入式设备的运煤皮带异物视频检测方法
CN113609911B (zh) * 2021-07-07 2024-05-28 北京工业大学 一种基于深度学习的路面病害自动检测方法和系统
CN113361483B (zh) * 2021-07-07 2023-04-14 合肥英睿系统技术有限公司 一种交通限速标志检测方法、装置、设备及存储介质
CN113449675B (zh) * 2021-07-12 2024-03-29 西安科技大学 一种煤矿人员越界检测方法
CN113592906B (zh) * 2021-07-12 2024-02-13 华中科技大学 一种基于标注帧特征融合的长视频目标跟踪方法及系统
CN113673323B (zh) * 2021-07-13 2023-10-27 中国船舶重工集团公司第七一五研究所 一种基于多深度学习模型联合判决体制的水中目标识别方法
CN113591617B (zh) * 2021-07-14 2023-11-28 武汉理工大学 基于深度学习的水面小目标检测与分类方法
CN113537098B (zh) * 2021-07-21 2024-06-21 北京航空航天大学 一种着陆图像中撞击坑的检测和识别方法
CN113537105B (zh) * 2021-07-23 2024-05-10 北京经纬恒润科技股份有限公司 一种车位检测方法及装置
CN113569702B (zh) * 2021-07-23 2023-10-27 闽江学院 基于深度学习的货车单双胎识别方法
CN113534146B (zh) * 2021-07-26 2023-12-01 中国人民解放军海军航空大学 一种雷达视频图像目标自动检测方法与系统
CN113591668B (zh) * 2021-07-26 2023-11-21 南京大学 一种使用深度学习和空间分析的广域未知大坝自动探测方法
CN113674216A (zh) * 2021-07-27 2021-11-19 南京航空航天大学 一种基于深度学习的地铁隧道病害检测方法
CN113537119B (zh) * 2021-07-28 2022-08-30 国网河南省电力公司电力科学研究院 基于改进Yolov4-tiny的输电线路连接部件检测方法
CN113627593B (zh) * 2021-08-04 2024-06-04 西北工业大学 面向目标检测模型Faster R-CNN的自动量化方法
CN113808202B (zh) * 2021-08-11 2024-05-24 浙江工商大学 一种多目标检测和空间定位方法及其系统
CN113780087B (zh) * 2021-08-11 2024-04-26 同济大学 一种基于深度学习的邮政包裹文本检测方法及设备
CN113688830B (zh) * 2021-08-13 2024-04-26 湖北工业大学 基于中心点回归的深度学习目标检测方法
CN113569835A (zh) * 2021-08-16 2021-10-29 浙江广厦建设职业技术大学 一种基于目标检测和分割识别的水表数值读取方法
CN113658131B (zh) * 2021-08-16 2024-06-18 东华大学 一种基于机器视觉巡游式环锭纺断纱检测方法
CN113643327B (zh) * 2021-08-18 2023-10-20 江西理工大学 一种响应置信度多特征融合的核相关滤波目标跟踪方法
CN113706496B (zh) * 2021-08-23 2024-04-12 中国飞机强度研究所 一种基于深度学习模型的飞行器结构裂纹检测方法
CN113689928B (zh) * 2021-08-24 2023-06-20 深圳平安智慧医健科技有限公司 保养及预防患病方案的推荐方法、装置、设备及存储介质
CN113688734B (zh) * 2021-08-25 2023-09-22 燕山大学 一种基于fpga异构加速的老人跌倒检测方法
CN113484908B (zh) * 2021-08-25 2023-07-14 成都理工大学 部分卷积与注意力机制融合深度学习网络的缺失地震数据重建方法
CN113688740B (zh) * 2021-08-26 2024-02-27 燕山大学 一种基于多传感器融合视觉的室内姿势检测方法
CN113792774B (zh) * 2021-09-01 2024-01-12 西北工业大学 一种水中目标智能融合感知方法
CN113689470B (zh) * 2021-09-02 2023-08-11 重庆大学 一种多场景融合下的行人运动轨迹预测方法
CN113792721B (zh) * 2021-09-03 2024-06-04 西北工业大学 基于one-shot机制的仪表检测方法
CN113705716B (zh) * 2021-09-03 2023-10-10 北京百度网讯科技有限公司 图像识别模型训练方法、设备、云控平台及自动驾驶车辆
CN113763235A (zh) * 2021-09-08 2021-12-07 北京琥珀创想科技有限公司 一种将图片转换为扫描件的方法及智能移动终端
CN113807236B (zh) * 2021-09-15 2024-05-17 北京百度网讯科技有限公司 车道线检测的方法、装置、设备、存储介质及程序产品
CN113762200B (zh) * 2021-09-16 2023-06-30 深圳大学 基于lffd的口罩检测方法
CN113792684B (zh) * 2021-09-17 2024-03-29 中国科学技术大学 弱对齐条件下的消防机器人多模态视觉火焰检测方法
CN113824658B (zh) * 2021-09-22 2023-06-20 西华大学 一种ofdm系统中采用dnsp方案的深度迁移学习信道估计方法
CN113780462B (zh) * 2021-09-24 2024-03-19 华中科技大学 基于无人机航拍图像的车辆检测网络建立方法及其应用
CN113705729B (zh) * 2021-09-27 2024-06-25 中原动力智能机器人有限公司 垃圾分类模型建模方法、垃圾分类方法、装置及介质
CN113808123B (zh) * 2021-09-27 2024-03-29 杭州跨视科技有限公司 一种基于机器视觉的药液袋动态检测方法
CN113807463B (zh) * 2021-09-28 2023-10-17 中电万维信息技术有限责任公司 一种基于Faster-RCNN对BI图标题检测的方法
CN113888595B (zh) * 2021-09-29 2024-05-14 中国海洋大学 一种基于困难样本挖掘的孪生网络单目标视觉跟踪方法
CN113947774B (zh) * 2021-10-08 2024-05-14 东北大学 一种轻量级的车辆目标检测系统
CN114120246B (zh) * 2021-10-12 2024-04-16 吉林大学 一种基于复杂环境的前方车辆检测算法
CN113869271A (zh) * 2021-10-13 2021-12-31 南京华捷艾米软件科技有限公司 一种人脸检测方法、装置及电子设备
CN113808128B (zh) * 2021-10-14 2023-07-28 河北工业大学 基于相对坐标定位算法的智能压实全过程可视化控制方法
CN113850799B (zh) * 2021-10-14 2024-06-07 长春工业大学 一种基于YOLOv5的微量DNA提取工作站工件检测方法
CN113902024B (zh) * 2021-10-20 2024-06-04 浙江大立科技股份有限公司 基于深度学习与双波段融合的小体积目标检测识别方法
CN113962261B (zh) * 2021-10-21 2024-05-14 中国人民解放军空军航空大学 一种用于雷达信号分选的深度网络模型构建方法
CN113989718A (zh) * 2021-10-29 2022-01-28 南京邮电大学 面向雷达信号热图的人体目标检测方法
CN114092699A (zh) * 2021-11-15 2022-02-25 南京理工大学 基于迁移学习的群猪图像分割的方法及系统
CN113792827B (zh) * 2021-11-18 2022-03-25 北京的卢深视科技有限公司 目标对象识别方法、电子设备和计算机可读存储介质
CN114092448B (zh) * 2021-11-22 2023-12-01 浙大城市学院 一种基于深度学习的插件电解电容混合检测方法
CN114119562B (zh) * 2021-11-29 2024-05-24 青岛理工大学 一种基于深度学习的刹车盘外表面缺陷检测方法及系统
CN114419925B (zh) * 2021-12-01 2022-11-04 合肥工业大学 一种车路协同的防碰预警系统和方法
CN114201533B (zh) * 2021-12-14 2024-06-25 中国平安财产保险股份有限公司 车辆涉水深度检测方法、装置、电子设备及存储介质
CN114220053B (zh) * 2021-12-15 2022-06-03 北京建筑大学 一种基于车辆特征匹配的无人机视频车辆检索方法
CN113947766B (zh) * 2021-12-21 2022-04-22 之江实验室 一种基于卷积神经网络的实时车牌检测方法
CN114332701B (zh) * 2021-12-27 2024-05-28 北京航空航天大学 一种基于任务区分检测再识别联合网络的目标跟踪方法
CN114445617B (zh) * 2021-12-27 2024-05-31 宁波韵升智能技术有限公司 一种基于深度学习的工件目标识别方法
CN114528911A (zh) * 2022-01-10 2022-05-24 西北大学 多分支结构的多标签图像分类方法和模型构建方法及装置
CN114445689A (zh) * 2022-01-29 2022-05-06 福州大学 目标先验信息指导的多尺度加权融合目标检测方法及系统
CN114519819B (zh) * 2022-02-10 2024-04-02 西北工业大学 一种基于全局上下文感知的遥感图像目标检测方法
CN114529951B (zh) * 2022-02-22 2024-04-02 北京工业大学 一种基于深度学习的现场指纹特征点提取方法
CN114565878B (zh) * 2022-03-01 2024-05-03 北京赛思信安技术股份有限公司 一种支持类别可配置的视频标志物检测方法
CN114692487B (zh) * 2022-03-11 2023-05-26 中国电子科技集团公司第二十九研究所 电子装备维修备件预投方法、装置、设备及存储介质
CN114898327B (zh) * 2022-03-15 2024-04-26 武汉理工大学 一种基于轻量化深度学习网络的车辆检测方法
CN114842220B (zh) * 2022-03-24 2024-02-27 西北工业大学 基于多源影像匹配的无人机视觉定位方法
CN114743045B (zh) * 2022-03-31 2023-09-26 电子科技大学 一种基于双分支区域建议网络的小样本目标检测方法
CN114882376B (zh) * 2022-05-06 2024-03-22 自然资源部第一海洋研究所 基于最优锚点尺度的卷积神经网络遥感影像目标检测方法
CN114821654A (zh) * 2022-05-09 2022-07-29 福州大学 一种融合局部与深度的时空图网络的人手检测方法
CN114913419B (zh) * 2022-05-10 2023-07-18 西南石油大学 一种智慧停车目标检测方法及系统
CN114742822A (zh) * 2022-05-20 2022-07-12 青岛农业大学 一种草莓识别计数模型的搭建方法及应用
CN115131622B (zh) * 2022-05-22 2024-03-29 北京工业大学 一种基于视频时序相关性的夜间明火检测方法
CN115014748B (zh) * 2022-05-31 2023-05-23 南京林业大学 一种用于籽棉分选喷阀的故障诊断方法
CN114943922B (zh) * 2022-06-02 2024-04-02 浙大城市学院 一种基于深度学习的机考可疑行为识别方法
CN114913587B (zh) * 2022-06-14 2024-02-13 合肥工业大学 基于贝叶斯深度学习的非接触式心率测量不确定度量化方法
CN115050028B (zh) * 2022-06-15 2024-03-29 松立控股集团股份有限公司 一种恶劣天气下小样本车牌检测方法
CN114818838B (zh) * 2022-06-30 2022-09-13 中国科学院国家空间科学中心 基于像元时域分布学习的低信噪比运动点目标检测方法
CN115100175B (zh) * 2022-07-12 2024-07-09 南京云创大数据科技股份有限公司 一种基于小样本目标检测的轨道交通检测方法
CN115273044B (zh) * 2022-07-15 2023-04-07 哈尔滨市科佳通用机电股份有限公司 基于改进后的图卷积网络的车门破损故障识别检测方法
CN115131760B (zh) * 2022-07-17 2024-04-19 西北工业大学 一种基于改进特征匹配策略的轻量级车辆追踪方法
CN114982739A (zh) * 2022-07-18 2022-09-02 江苏合力四通智能科技股份有限公司 一种基于深度学习的智能激光驱鸟设备及方法
CN115294244B (zh) * 2022-08-11 2023-10-31 北京理工大学 一种基于机器学习的蜂窝结构图案化自适应填充方法
CN115393634B (zh) * 2022-08-11 2023-12-26 重庆邮电大学 一种基于迁移学习策略的少样本目标实时检测方法
CN115331086B (zh) * 2022-08-17 2023-08-08 哈尔滨市科佳通用机电股份有限公司 一种闸瓦折断和铆钉丢失故障检测方法
CN115359094B (zh) * 2022-09-05 2023-04-18 珠海安联锐视科技股份有限公司 一种基于深度学习的运动目标检测方法
CN115484410B (zh) * 2022-09-15 2023-11-24 天津大学 基于深度学习的事件相机视频重建方法
CN115439835A (zh) * 2022-10-13 2022-12-06 中国矿业大学 一种改进yolo-pai的实时接打电话行为检测方法
CN115578615B (zh) * 2022-10-31 2023-05-09 成都信息工程大学 基于深度学习的夜间交通标志图像检测模型建立方法
CN115641510B (zh) * 2022-11-18 2023-08-08 中国人民解放军战略支援部队航天工程大学士官学校 一种遥感影像舰船检测识别方法
CN115601688B (zh) * 2022-12-15 2023-02-21 中译文娱科技(青岛)有限公司 基于深度学习的视频主体内容检测方法及系统
CN116385953B (zh) * 2023-01-11 2023-12-15 哈尔滨市科佳通用机电股份有限公司 铁路货车敞车车门折页折断故障图像识别方法
CN116524017B (zh) * 2023-03-13 2023-09-19 明创慧远科技集团有限公司 一种用于矿山井下检测识别定位系统
CN115953405B (zh) * 2023-03-14 2023-05-26 中国科学院计算机网络信息中心 一种面向增强现实设备的桥梁裂缝识别方法及装置
CN116403071B (zh) * 2023-03-23 2024-03-26 河海大学 基于特征重构的少样本混凝土缺陷检测方法及装置
CN116106899B (zh) * 2023-04-14 2023-06-23 青岛杰瑞工控技术有限公司 一种基于机器学习的港口航道小目标识别方法
CN116452878B (zh) * 2023-04-20 2024-02-02 广东工业大学 一种基于深度学习算法与双目视觉的考勤方法及系统
CN116434124B (zh) * 2023-06-13 2023-09-05 江西云眼视界科技股份有限公司 一种基于时空滤波的视频运动增强检测方法
CN116778362B (zh) * 2023-06-21 2024-03-05 广东电网有限责任公司汕尾供电局 基于领域知识与深度学习的电力杆塔验收构件识别方法
CN116843907B (zh) * 2023-06-26 2024-02-13 中国信息通信研究院 基于深度学习的增强和目标检测方法和系统
CN116503517B (zh) * 2023-06-27 2023-09-05 江西农业大学 长文本生成图像的方法及系统
CN116524474B (zh) * 2023-07-04 2023-09-15 武汉大学 一种基于人工智能的车辆目标检测方法及系统
CN116977931A (zh) * 2023-07-31 2023-10-31 深圳市星河智善科技有限公司 一种基于深度学习的高空抛物识别方法
CN117011772B (zh) * 2023-07-31 2024-04-30 广东电网有限责任公司 一种输电线路的风险提示方法、装置和存储介质
CN116993779B (zh) * 2023-08-03 2024-05-14 重庆大学 一种适于监控视频下的车辆目标跟踪方法
CN116912238B (zh) * 2023-09-11 2023-11-28 湖北工业大学 基于多维识别网络级联融合的焊缝管道识别方法及系统
CN117237369B (zh) * 2023-11-16 2024-02-27 苏州视智冶科技有限公司 一种基于计算机视觉的高炉铁口开口深度测量方法
CN117372935B (zh) * 2023-12-07 2024-02-20 神思电子技术股份有限公司 一种视频目标检测方法、设备及介质
CN117788871A (zh) * 2023-12-26 2024-03-29 海南言发高科技有限公司 一种基于人工智能的车载称重管理方法及平台
CN117853582A (zh) * 2024-01-15 2024-04-09 苏州科技大学 一种基于改进Faster R-CNN的星敏感器快速星像提取方法
CN118097123B (zh) * 2024-04-26 2024-06-25 烟台大学 基于点云和图像的三维目标检测方法、系统、设备和介质
CN118115952A (zh) * 2024-04-28 2024-05-31 中国民航大学 一种城市低空复杂背景下无人机图像全天候检测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170147905A1 (en) 2015-11-25 2017-05-25 Baidu Usa Llc Systems and methods for end-to-end object detection
CN107507172A (zh) 2017-08-08 2017-12-22 国网上海市电力公司 融合红外可见光的特高压线路绝缘子串深度学习识别方法
CN107680106A (zh) 2017-10-13 2018-02-09 南京航空航天大学 一种基于Faster R‑CNN的显著性目标检测方法
CN108563977A (zh) 2017-12-18 2018-09-21 华南理工大学 一种高速公路出入口的行人预警方法及系统
CN108648233A (zh) 2018-03-24 2018-10-12 北京工业大学 一种基于深度学习的目标识别与抓取定位方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9858496B2 (en) * 2016-01-20 2018-01-02 Microsoft Technology Licensing, Llc Object detection and classification in images
CN108416287B (zh) * 2018-03-04 2022-04-01 南京理工大学 一种基于遗漏负样本挖掘的行人检测方法
CN108830188B (zh) * 2018-05-30 2022-03-04 西安理工大学 基于深度学习的车辆检测方法
CN109447018B (zh) * 2018-11-08 2021-08-03 天津理工大学 一种基于改进Faster R-CNN的道路环境视觉感知方法
CN109377555B (zh) * 2018-11-14 2023-07-25 江苏科技大学 自主水下机器人前景视场三维重建目标特征提取识别方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170147905A1 (en) 2015-11-25 2017-05-25 Baidu Usa Llc Systems and methods for end-to-end object detection
CN107507172A (zh) 2017-08-08 2017-12-22 国网上海市电力公司 融合红外可见光的特高压线路绝缘子串深度学习识别方法
CN107680106A (zh) 2017-10-13 2018-02-09 南京航空航天大学 一种基于Faster R‑CNN的显著性目标检测方法
CN108563977A (zh) 2017-12-18 2018-09-21 华南理工大学 一种高速公路出入口的行人预警方法及系统
CN108648233A (zh) 2018-03-24 2018-10-12 北京工业大学 一种基于深度学习的目标识别与抓取定位方法

Also Published As

Publication number Publication date
WO2020181685A1 (zh) 2020-09-17
CN109977812B (zh) 2023-02-24
CN109977812A (zh) 2019-07-05
JP2021530062A (ja) 2021-11-04

Similar Documents

Publication Publication Date Title
JP7120689B2 (ja) 深層学習に基づく車載ビデオターゲット検出方法
JPWO2020181685A5 (ja)
CN110163187B (zh) 基于f-rcnn的远距离交通标志检测识别方法
CN111444821B (zh) 一种城市道路标志自动识别方法
CN110956094B (zh) 一种基于非对称双流网络的rgb-d多模态融合人员检测方法
CN111797716B (zh) 一种基于Siamese网络的单目标跟踪方法
CN111553387B (zh) 一种基于Yolov3的人员目标检测方法
CN110111335B (zh) 一种自适应对抗学习的城市交通场景语义分割方法及系统
CN110766098A (zh) 基于改进YOLOv3的交通场景小目标检测方法
CN103902976B (zh) 一种基于红外图像的行人检测方法
CN107609602A (zh) 一种基于卷积神经网络的驾驶场景分类方法
CN110910378B (zh) 一种基于深度融合网络的双模态图像能见度检测方法
CN108830252A (zh) 一种融合全局时空特征的卷积神经网络人体动作识别方法
CN107862261A (zh) 基于多尺度卷积神经网络的图像人群计数方法
CN113160062B (zh) 一种红外图像目标检测方法、装置、设备及存储介质
CN104156734A (zh) 一种基于随机蕨分类器的全自主在线学习方法
CN111242015A (zh) 一种基于运动轮廓语义图预测行车危险场景的方法
CN111127520B (zh) 一种基于视频分析的车辆跟踪方法和系统
CN111681259A (zh) 基于无Anchor机制检测网络的车辆跟踪模型建立方法
CN110738132A (zh) 一种具备判别性感知能力的目标检测质量盲评价方法
CN112084928A (zh) 基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法
CN113239725B (zh) 一种等待过街行人及过街方向识别方法及系统
CN114581307A (zh) 用于目标追踪识别的多图像拼接方法、系统、设备及介质
Zhang et al. Pavement crack detection based on deep learning
CN112446292A (zh) 一种2d图像显著目标检测方法及系统

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210118

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220310

A524 Written submission of copy of amendment under article 19 pct

Free format text: JAPANESE INTERMEDIATE CODE: A524

Effective date: 20220520

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220708

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220728

R150 Certificate of patent or registration of utility model

Ref document number: 7120689

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150