-
公开(公告)号：CN117611791B
公开(公告)日：2024-08-20
申请号：CN202311365198.9
申请日：2023-10-20
Applicant: 哈尔滨工业大学 , 哈尔滨视爵科技有限公司
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种基于特征分离可变形卷积的飞行目标检测方法，所述方法包括如下步骤：一：建立训练数据集和测试数据集；二：使用可变形卷积进行不规则采样，以减少规则采样过程中的背景干扰；三：使用超高斯函数用于语义分割标签生成；四：设计适合软标签的焦点损失来计算特征分离监督的损失；五：对改进后的检测模型YOLO‑FRS进行训练和测试，完成遥感图像飞行状态飞机目标检测。本发明面向飞行目标检测需求，提出了一种特征响应分离可变形卷积模块来改进YOLOv5模型，该模型鼓励检测模型向目标区域聚集采样点，提取更多与目标相关的信息，并减少来自目标周围背景的干扰，从而实现检测性能的提升。
-
公开(公告)号：CN117611791A
公开(公告)日：2024-02-27
申请号：CN202311365198.9
申请日：2023-10-20
Applicant: 哈尔滨工业大学 , 哈尔滨视爵科技有限公司
IPC: G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种基于特征分离可变形卷积的飞行目标检测方法，所述方法包括如下步骤：一：建立训练数据集和测试数据集；二：使用可变形卷积进行不规则采样，以减少规则采样过程中的背景干扰；三：使用超高斯函数用于语义分割标签生成；四：设计适合软标签的焦点损失来计算特征分离监督的损失；五：对改进后的检测模型YOLO‑FRS进行训练和测试，完成遥感图像飞行状态飞机目标检测。本发明面向飞行目标检测需求，提出了一种特征响应分离可变形卷积模块来改进YOLOv5模型，该模型鼓励检测模型向目标区域聚集采样点，提取更多与目标相关的信息，并减少来自目标周围背景的干扰，从而实现检测性能的提升。
-
公开(公告)号：CN118864269B
公开(公告)日：2025-05-27
申请号：CN202410872983.1
申请日：2024-07-01
Applicant: 哈尔滨工业大学
IPC: G06T5/50 , G06T3/4053 , G06T3/4046 , G06T3/4038 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于可变形卷积的多帧红外小目标超分方法，所述方法提出了一个适用于多帧红外小目标超分变率的DCUNet网络，融合多帧红外小目标图像的多尺度信息，并恢复目标的空间细节信息；提出了多帧对齐的TADCM模块，隐式的将帧间运动状态复杂、形态和能量时序变化的目标对齐，从而充分利用帧间信息以进行互相补充，提升暗弱目标的空间显著性；提出了利用特征监督引导可变形卷积学习的方法，即在网络最后两层特征层输出目标分割结果，并用带像素级标记的目标分割真值作为监督，对编码和上采样过程进行约束，提升可变形卷积的准确性，使目标的边缘和形态能够被充分恢复。
-
公开(公告)号：CN115641507B
公开(公告)日：2024-11-05
申请号：CN202211387533.0
申请日：2022-11-07
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于自适应多层级融合的遥感图像小尺度面目标检测方法，所述方法包括如下步骤：步骤1：使用主干特征提取网络提取输入图像的浅层和深层的多层级特征图，下采样层级分别为4、8、16、32倍；步骤2：使用自适应融合权重的多层次特征提取架构实现对步骤1中不同下采样级数特征的融合；步骤3：选用融合后的下采样级数为4倍和8倍的高分辨率特征层进行目标位置和类别信息的预测，得到最终的检测结果。该方法能够实现对不同层级中语义和结构信息的有效融合，提高网络对小尺度目标的特征提取和检测定位能力，有效减少场景中虚警源对目标检测的干扰，从而实现遥感图像小尺度目标的高检测率、低虚警率的检测。
-
公开(公告)号：CN118409464A
公开(公告)日：2024-07-30
申请号：CN202410478095.1
申请日：2024-04-19
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种场景动态匹配相机预曝光时间计算与自主配置方法，所述方法如下：步骤一：定义飞行器坐标系，将姿态控制角转换为观测角，建立三维观测几何模型；步骤二：根据飞行高度、速度、前置角度、姿态角工况信息，建立预曝光时间与观测角变化关系表征模型；步骤三：建立预曝光时间与姿态控制角的查找表，通过插值计算实现参数自主配置。本发明为场景动态匹配相机实际工程应用提供了不可或缺的支撑条件；通过建立三维观测几何模型，兼顾地球曲率、转速等影响，提出了预曝光时间随观测角变化规律表征模型；形成了典型工况条件下，姿态控制角等工况参数与预曝光时间关系查找表，实现预曝光时间自主查询配置的同时有效减少硬件资源消耗。
-
Patent Agency Ranking
公开(公告)号：CN117557857B
公开(公告)日：2024-06-04
申请号：CN202311574622.0
申请日：2023-11-23
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/096
Abstract: 本发明公开了一种结合渐进式引导蒸馏和结构重构的检测网络轻量化方法，所述方法把MobileNet v3Block中的SE注意力机制替换为CBAM注意力机制，从空间和通道两个方面提升特征显著性，然后将目标检测网络中的卷积模块替换为改进后的MobileNet v3Block模块；再通过基于批归一化的剪枝方剔除重要性低的冗余通道，以进一步提升模型的轻量程度。本发明将渐进式引导蒸馏从图像分类任务扩展到目标检测任务，改进基于主干特征映射的知识蒸馏方法，通过教师网络提供先验知识，使用教师网络的中间表示特征作为提示辅助训练，以助教网络作为媒介平衡学生网络的检测精度和速度。
-
公开(公告)号：CN117689879A
公开(公告)日：2024-03-12
申请号：CN202410019504.1
申请日：2024-01-05
Applicant: 哈尔滨工业大学
Abstract: 一种天基巡天望远镜图像中的空间目标检测方法，所述方法包括如下步骤：步骤1：对大视场深空图像非均匀性特性进行校正；步骤2：基于星图预匹配与最大相关相结合进行图像配准；步骤3：利用三帧中值对图像背景进行估计；步骤4：设计合理的分割阈值，在对低信噪比目标提取时，引入线性结构因子的形态学去噪算法去除剩余恒星残留和离散分布的噪点，最终对步骤3中结果进行连通域提取得到疑似目标。该方法在对恒星残留的去除上有良好的效果，并在一定的恒星密集程度时可以达到对信噪比3以上的目标极高的检测率，为地月拉格朗日点观测图像目标提取提供理论和技术支撑。
-
公开(公告)号：CN107016210A
公开(公告)日：2017-08-04
申请号：CN201710255306.5
申请日：2017-04-18
Applicant: 哈尔滨工业大学
IPC: G06F17/50
Abstract: 一种菲涅尔衍射光学系统的成像质量仿真方法，本发明属于光学成像仿真技术领域，所述方法步骤如下：步骤一：基于等晕区分块思想，将原始图像分割为若干个具有近似相同点扩散函数的图像块；步骤二：计算各图像块中心的子午面位置及其对应的视场角；步骤三：构造离散化的菲涅尔衍射公式，计算各图像块的点扩散函数；步骤四：利用图像不同区域的MTF对各图像块进行低通滤波，并添加随机噪声。本发明适用于以衍射镜为主镜的光学系统的成像质量仿真，可仿真生成具有低MTF、低对比度、低SNR、大尺寸PSF空变等衍射光学成像特性的图像，为菲涅尔衍射成像系统的优化设计及其图像处理算法研究与验证提供支持。
-
公开(公告)号：CN106067164A
公开(公告)日：2016-11-02
申请号：CN201610362381.7
申请日：2016-05-26
Applicant: 哈尔滨工业大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/10024 , G06T2207/20064
Abstract: 本发明公开了一种基于自适应小波域处理的彩色图像对比度增强算法，其包括如下步骤：步骤1、彩色图像RGB三层数据分别进行小波分解；步骤2、根据RGB三通道低频小波系数分布特性对其进行非线性变换，实现自适应增强对比度；步骤3、根据RGB三通道高频小波系数不同尺度、方向以及噪声特性，构造高斯型阈值滤波函数进行去噪，实现抑制噪声和伪像；步骤4：小波逆变换，重构RGB图像。本发明适用于彩色图像的对比度增强，使图像更加清晰、色调更加鲜明，同时抑制噪声放大、提高信噪比，有效地改善图像的视觉效果。
-
公开(公告)号：CN119559499A
公开(公告)日：2025-03-04
申请号：CN202411593334.4
申请日：2024-11-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 基于多模型集成和渐进式预测的遥感图像目标检测识别方法，属于目标探测与识别技术领域。方法如下：将数据集分成训练集和验证集，将训练集训练得到输入数据；将输入数据输入网络中获得不同层级的特征图，将不同层级的特征图输入到网络上，得到模型A；将输入数据输入网络中得到高层次的特征图，将高层次的特征图输入到网络上，得到模型B；使用模型A和模型B构建多模型集成预测框架，输出目标检测识别结果。本发明在网络训练过程中充分结合了多样性训练增广策略以获取更为多样性的训练样本，提升模型泛化能力；相较于单一模型预测可提升mAP 10％以上，能够充分挖掘现有检测方法对于遥感目标检测识别的潜力。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.038 seconds)
