-
公开(公告)号：CN119151802A
公开(公告)日：2024-12-17
申请号：CN202411629143.9
申请日：2024-11-15
Applicant: 无锡学院
Abstract: 红外图像与可见光图像融合方法、系统、设备及存储介质，属于图像信息处理技术和计算机世界技术领域，解决了基于深度学习的图像融合方法存在一些局限性的问题。输出第一尺度的双模态混合特征；输出第二尺度的双模态混合特征；输出第三尺度的双模态混合特征；第三尺度的双模态混合特征输入图像重建模块，输出重建特征图；重建特征图与第二尺度的双模态混合特征进行特征融合，输出重建特征图；重建特征图与第一尺度的双模态混合特征进行特征融合，输出重建特征图；重建特征图与初始尺度的双模态混合特征进行特征融合，输出重建特征图；重建特征图经过，输出融合后的图像。
-
公开(公告)号：CN119832211A
公开(公告)日：2025-04-15
申请号：CN202411812939.8
申请日：2024-12-11
Applicant: 无锡学院
Abstract: 本发明公开了一种航拍场景红外小目标检测方法、电子设备及存储介质，属于计算机视觉和图像处理领域技术领域。本发明方法训练一个动态多尺度共享目标检测网络实现红外目标检测，检测网络由骨干网络、颈部网络、头部网络组成，其中骨干网络包含动态共享特征分解层以及扩张多尺度金字塔层，颈部网络由多个上采样层、拼接层、动态共享特征分解层、卷积层级联而成，头部网络包含回归定位分支与分类预测分支。本发明目标检测方法采用动态共享机制与多尺度特征处理相结合，实现对图像特征的高效提取与融合，方法融合多尺度特征和上下文信息，既保留了高层语义信息，又保留了低层细节特征，使得检测目标的边界定位更加精准，分类更加可靠。
-
公开(公告)号：CN118762339B
公开(公告)日：2025-01-03
申请号：CN202411215008.X
申请日：2024-09-02
Applicant: 无锡学院
IPC: G06V20/54 , G06N3/0464 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: WPIoU损失函数构建方法及YOLOv8检测方法，属于图像信息检测技术领域，解决了现有的YOLOv8n在复杂环境下无法实现对车流图像的精准检测的问题。包括以下步骤：步骤S1，对WIoUv1损失函数做梯度增益的处理后，获取WIoUv3损失函数；步骤S2，PIoU损失函数自定义了自适应的惩罚因子；步骤S3，基于步骤S2所述的惩罚因子对步骤S1所述的WIoUv3损失函数进行改进后，获取WPIoU损失函数；步骤S4，基于PIOUv2损失函数的非单调注意力函数对步骤S3所述的WPIoU损失函数做进一步改进后，获取最终的WPIoU损失函数。
-
公开(公告)号：CN118762339A
公开(公告)日：2024-10-11
申请号：CN202411215008.X
申请日：2024-09-02
Applicant: 无锡学院
IPC: G06V20/54 , G06N3/0464 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: WPIoU损失函数构建方法及YOLOv8检测方法，属于图像信息检测技术领域，解决了现有的YOLOv8n在复杂环境下无法实现对车流图像的精准检测的问题。包括以下步骤：步骤S1，对WIoUv1损失函数做梯度增益的处理后，获取WIoUv3损失函数；步骤S2，PIoU损失函数自定义了自适应的惩罚因子；步骤S3，基于步骤S2所述的惩罚因子对步骤S1所述的WIoUv3损失函数进行改进后，获取WPIoU损失函数；步骤S4，基于PIOUv2损失函数的非单调注意力函数对步骤S3所述的WPIoU损失函数做进一步改进后，获取最终的WPIoU损失函数。
-
-
-
Search Results
4
records
(took 0.019 seconds)
