CVPR RESEARCH

最新项目列表

Machine Learning Based Environment Pertception Research for Autonomous Driving
宝马(中国)服务有限公司 2016-8-1 - 2017-2-1
基于深度学习的视觉检测算法研究
华为技术有限公司 2016-8-1 - 2017-9-1
多源数据驱动的大范围自然场景三维建模与交互
国家“863”计划课题 2015-1-1 - 2017-12-31
图像复原技术研究
国家“973”计划专题 2015-1-1 - 2018-12-31
灯检机视觉检测软件开发
上海东富龙科技股份有限公司 2014-09-22 - 2015-01-22

最新研究方向

基于深度网络的道路标志牌检测

基于深度网络的道路标志牌检测 基于深度学习的环境感知研究,主要研究高速路段大型指示标牌的识别以及路口交警手势的识别。本实验组主要承担标志牌的识别任务,通过自己驾车在上海市多条高架多次采集数据,共收集有效图片23931张,并进行数据标注。运用end2end网络训练标志牌检测识别模型,最终达到高性能实时检测的结果。

相关视频: 深度学习标志牌检测.wmv   

基于深度学习的视觉检测算法研究

基于深度学习的视觉检测算法研究 作为目前炙手可热的研究方向之一,深度学习在目标检测方面取得了飞速的发展。检测精度的一次次提升展现了深度学习在视觉检测领域得天独厚的优势。本研究组在这一领域的研究重点分为:各深度学习算法的研究;在各个视觉检测数据库上提升检测精度的研究。本项目组针对实际应用研究关于车辆和人等目标检测的深度学习检测算法。

相关视频: carDetectionBMW.wmv   

单目标跟踪

单目标跟踪 目标跟踪技术一直是计算机视觉研究领域中的热点之一,其在军事侦察精确制导火力打击战场评估以及安防监控等诸多方面均有广泛的应用前景。目标的不定向运动改变了目标和场景的外观模式非刚性目标结构目标间及目标与场景间的遮挡摄像机的运动等情况使目标跟踪任务变得更加困难,本实验室对单目标跟踪已经熟练掌握,包括KCF、DSST、SCT、CT、MEEM、SAMF等算法,并承担了国家高技术研究发展计划(863计划)中的目标跟踪中的主要任务并顺利完成单目标跟踪方面的工作。我们还将近几年热门的深度学习技术引入跟踪中,开展了基于深度学习的单目标跟踪算法的研究。

相关视频: 深度学习跟踪.wmv   单目标跟踪.wmv   

多目标跟踪

多目标跟踪 目标跟踪在众多领域有着广泛的应用。近年来,由于检测技术的飞速发展,使得单目标与多目标跟踪技术在精度和速度上都有了极大的提升,让这些技术的实际应用成为可能。本研究组在该领域重点研究:多种单目标跟踪算法的研究及应用;多种多目标跟踪算法的研究及应用。本项目组针对实际应用研究关于单个或多个车辆与行人的目标跟踪算法。

相关视频: 多目标跟踪.wmv   

图像质量评价

图像质量评价 作为图像处理中的基本技术之一,图像质量评价(Image Quality Assessment, IQA)通过一系列的算法对图像特性进行分析研究从而评估图像的优劣。基于是否有参考图片将图像质量评价算法分为三类:全参考图像质量评价算法(Full-Reference IQA)、部分参考图像质量评价算法(Reduced-Reference IQA)和无参考图像质量评价算法(No-Reference IQA)。本研究组在这一领域重点研究无参考图像质量评价算法。

相关视频:

多曝光图像融合

多曝光图像融合 图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测。本实验室致力于多曝光图像融合的技术研究,多余过曝光、欠曝光等低质量的图像进行融合,得到图像质量高的、取悦人眼感知系统的结果图。

相关视频:

场景分析、理解与联想

场景分析、理解与联想 场景分析与理解是智能机器人所必备的技能,是目前研究的最热门领域之一。主要基础研究划分:场景分割与语义单元提取、语义单元的标注和场景分类。本研究组通过视觉的选择性机制与视觉感知组织机制提取场景关键语义单元,利用视觉信息的联想记忆机制标注场景关键语义,从而进一步构建场景语义单元与语义主题的理解与联想模型。

相关视频:

机器学习与模式识别

机器学习与模式识别 机器学习与模式识别做为近些年来热门的研究热点快速发展着。随着人类社会进入数字化时代,模式分析技术被大众所理解和运用。本研究组将其作为研究方向之一是因为所有其他的研究无不渗透着该项技术的身影。

相关视频:

中医智能信息采集与处理

中医智能信息采集与处理 中医辨证以感性认识作为依据,凭医师主观经验做判断。由于缺乏客观指标,许多中医研究不具有重复性,无客观、独立的评价体系;导致中医诊断技术难以被国际上广泛认可和推广,束缚了中医诊断的发展。因此研究中医诊断信息客观化、标准化以及建立中医辨证诊断的客观模型是一项迫切的任务。本研究组运用数据挖掘和信息融合理论,结合中医临床实践拟对中医辨证模型的建模进行研究,主要研究四个方面的内容:中医诊断信息特征与中医描述的关联概率模型;中医诊断信息与中医辩证要素之间知识表达模型;对于指定病症证型与辩证要素之间逻辑推理的分析和知识推理的建模;以及基于信息融合的中医辨证综合知识推理模型。通过本项的研究探索建立中医辩证模型的方法,对建立中医诊断标准和独立的评价体系机制和揭示中医辩证的内在规律有重要意义;为中医诊断信息化和客观化奠定基础并提供可借鉴的思路。

相关视频: