张建林
- 作品数：81 被引量：190H指数：8
- 供职机构：中国科学院光电技术研究所更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划中国科学院西部之光基金更多>>
- 相关领域：自动化与计算机技术电子电信文化科学一般工业技术更多>>
- 基于卷积神经网络的非刚性多尺度物体检测方法
- 本发明公开了一种基于卷积神经网络的非刚性多尺度物体检测方法，首先设计深度网络，并以具有一定代表性的红外行人数据集cvc‑09,cvc‑14(有约20x30像素的小目标，也有较近距离的大目标行人)，以及自己标注的小目标行人...
- 饶江浩徐智勇张建林
- 文献传递
- 一种在压缩感知图像重建中小波稀疏基优化方法
- 本发明公开了一种在压缩感知图像重建中小波稀疏基优化方法。在压缩感知图像重建中，离散小波变换通常用作信号稀疏分解基来使原始信号变得更加稀疏。但是，为了在更低采样率下重构更高质量的图像，离散小波变换的稀疏表示性能通常不够好。...
- 魏子然徐智勇张建林
- 一种基于姿态补偿的微弱扩展目标定位方法
- 本发明是一种基于姿态补偿的微弱扩展目标定位方法，首先采样高斯平滑滤波对待处理图像进行预处理以去除噪声对后续算法的影响，然后采用边界跟踪法得到单像素的二值边缘，对目标的轮廓边缘点进行滤波，剔除干扰点；其次利用目标轮廓边缘点...
- 祁小平李红川欧阳益民张建林魏宇星胡锦龙
- 文献传递
- 一种基于极值理论的深度人脸识别方法
- 本发明是一种基于极值理论的深度人脸识别方法，包括通过深度卷积神经网络对训练人脸图像进行特征提取，对提取的特征进行SVM分类训练，得到决策面，通过深度卷积神经网络对测试人脸图像进行特征提取，结合分类训练得到的决策面进行预测...
- 刘佳余化鹏张建林徐智勇魏宇星
- 文献传递
- 并联化高分辨网络的人体姿态估计方法被引量：3
- 2022年
- 为降低高分辨网络模型因级联过多造成的参数冗余,设计一种用于人体姿态估计的并联化高分辨网络模型。通过适当的网络裁剪和并联化结构优化处理策略,对原始高分辨网络模型的消融实验结果进行分析,保留网络的前3个阶段,按第四阶段网络的分辨率构建等尺度的U型网络结构,在多尺度分支的第二阶段与第三阶段中分别并联该结构,保持原网络在同分辨率下的特征融合。针对人体姿态估计数据集MPII与MSCOCO进行检测,并联化高分辨网络的参数量仅为原网络的37%,浮点运算量降低30%。
- 刘勇李杰李杰张建林徐智勇
- 一种基于改进YOLOv3的红外目标检测方法
- 本发明公开了一种基于改进YOLOv3的红外目标检测方法，主要用于增强对红外目标的检测能力。该方法包括：制作红外数据集；改进的数据增强方式；引入EfficientNet‑B2骨干网络代替原来YOLOv3的DarkNet53...
- 秦鹏唐川明刘云峰张建林徐智勇
- 一种基于单像素相机的压缩感知图像重建优化算法被引量：5
- 2019年
- 基于压缩感知图像重构和单像素相机成像的基本原理,对单像素成像系统中的图像重建算法进行了改进优化。基于最小范数类优化算法,结合凸优化算法和非凸优化算法各自的优点,设计了一种逼近L0范数的数学模型,从而实现了从凸优化向非凸优化算法的迭代逼近,即逼近光滑L0范数算法。该新型算法以更高的效率和更大的概率逼近原始信号全局最优且尽可能稀疏的解。相较于传统压缩感知图像重建的贪婪类算法和最小范数类算法,该算法使压缩感知重建图像的质量和单像素相机的成像效果均得到了有效提升,并通过实验仿真和实际场景的成像实验验证了该优化算法的可行性。
- 魏子然张建林徐智勇刘永
- 关键词：压缩感知稀疏信号全局最优图像重构
- 基于SSD的实时轻量级无人机检测算法被引量：8
- 2020年
- 针对当前无人机检测算法普遍不能做到快速准确检测的问题,提出了一种基于SSD的改进实时轻量级无人机检测算法--TSSD。首先,针对SSD算法的骨干网络权重参数量大的问题,改进得到一种轻量级的骨干网络。其次,针对SSD只利用多层特征图进行多尺度预测,而特征之间的联系没有被很好地融合利用,加入了一种特征增强模块来提高检测能力。在自建无人机数据集中进行的实验结果表明,提出的算法检测速度达到125f/s,远高于原始SSD的检测速度,且准确率比原始SSD也有所提升。
- 王若霄徐智勇张建林
- 关键词：实时性
- 结合卷积Transformer的目标跟踪算法被引量：2
- 2023年
- 现有基于Transformer的目标跟踪算法未充分利用Transformer的长距离依赖属性,导致算法提取的特征判别性不足,跟踪稳定性较差。为提高孪生网络目标跟踪算法在复杂场景中的跟踪能力,结合卷积与Transformer的优势,提出目标跟踪算法CTTrack。在特征提取方面,利用卷积丰富的局部信息和Transformer的长距离依赖属性,以卷积和窗口注意力串联的方式和层次化的结构构建一个通用的目标跟踪骨干网络CTFormer。在特征融合方面,利用互注意力机制构建特征互增强与聚合网络以简化网络结构,加快跟踪速度。在搜索区域选择方面,结合目标运动速度估计,设计自适应调整搜索区域的跟踪策略。实验结果表明,CTTrack在GOT-10k数据集上的平均重叠度为70.3%,相比基于Transformer的跟踪算法TransT和TrDiMP均提高3.2个百分点,在UAV123数据集上的曲线下面积为71.1%,相比TransT和TrDiMP分别提高2.0个百分点和3.6个百分点。在TrackingNet、LaSOT、OTB2015、NFS数据集上分别取得82.1%、66.8%、70.1%、66.3%的曲线下面积,并能以43帧/s的速度进行实时跟踪。
- 王春雷张建林李美惠徐智勇魏宇星
- 关键词：搜索区域
- 跨深度的卷积特征增强目标检测算法被引量：4
- 2020年
- 针对当前基于深度学习的目标检测算法采取的特征图融合方式存在缺陷,算法普遍不能很好地应对尺度变化等问题,提出一种跨深度卷积特征增强的目标检测算法CDC-YOLO。对YOLOv3算法进行改进,针对多尺度预测层各自的特点采用与之适应的特征增强模块,采用多通道的跨深度的卷积核并结合空洞卷积并行地提取特征,最终级联起来。该模块能充分利用多尺度多深度特征,形成统一的多尺度特征表达。在VOC2007test上的实验结果表明,提出算法的mAP (均值平均精度)高达82.33%,比原始YOLOv3提升了约2%,且对尺度变化大的物体鲁棒性更强。
- 王若霄徐智勇张建林
- 关键词：目标检测卷积神经网络多尺度特征
