-
公开(公告)号：CN113408350B
公开(公告)日：2023-09-19
申请号：CN202110535251.X
申请日：2021-05-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于边缘特征提取方法的遥感图像显著性检测方法。本发明包括一个基于ResNet34的编码器，边缘提取方法以及显著信息与显著边缘信息的融合方法。模型输入的是RGB三通道彩色光学遥感图像，首先用以ResNet34为主干的编码器提取特征，之后分别将提取得到的特征输入边缘特征与显著特征两个解码器中，通过连续的卷积对特征进行提取，最终输出显著性预测图。本方法使用了新的方式提取边缘特征，细化边缘，提高了显著目标的质量。并以U型网络提取上下文特征，抑制复杂背景，突出显著目标，从而拥有边缘效果更好的遥感图像显著目标检测结果。
-
公开(公告)号：CN113536978B
公开(公告)日：2023-08-18
申请号：CN202110720395.2
申请日：2021-06-28
Applicant: 杭州电子科技大学
IPC: G06V20/40 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于显著性的伪装目标检测方法。本发明第一条路径首先提取图像的低级、中级与高级特征并通过合并区分性特征与多尺度特征融合相加得到一个初始的伪装目标区域特征图。第二条路径将第一条路径得到的中层特征与初始伪装目标区域特征图融合的同时对特征进行加强，然后再次提取高级特征并进行与第一条路径相似的操作得到最终的伪装目标区域特征图，其结果为一张像素值在[0，1]的灰度图。本发明将注意力机制引入图像处理，以初始预测图作为注意力引导中级特征的增强。同时使用残差增强模块对特征进行处理增强特征。通过搜索识别两个阶段对图像中的伪装目标区域进行检测。利用图像的多级特征与显著性引导实现对伪装目标的预测。
-
公开(公告)号：CN116486068A
公开(公告)日：2023-07-25
申请号：CN202211205490.X
申请日：2022-09-23
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06V10/26 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于嵌套U型网络的COVID‑19病灶分割方法，构造一个以RSU为基本单元，经过少量带标签的样本训练获得的COVID‑19分割网络，引入边缘和语义信息增强网络对COVID‑19的表征能力，该网络可以将病灶区域精准快速地分割出来。此外，在标签图像极其有限的情况下，通过半监督学习策略，充分利用大量未标记的图像数据，进一步提升模型的性能表现。
-
公开(公告)号：CN115375922A
公开(公告)日：2022-11-22
申请号：CN202211098512.7
申请日：2022-09-03
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明涉及一种基于多尺度空间注意力的轻量化显著性检测方法，包括以下步骤：步骤一、构建多尺度特征提取模块，并对输入信息进行处理；步骤二、依据深度可分离卷积及多尺度特征提取模块构建编码器，用于获取多级语义特征；步骤三、构建多尺度空间注意力模块；步骤四、依据深度可分离卷积与多尺度空间注意力模块构建解码器；步骤五、以编码器、解码器为基础，建立轻量化显著性检测模型；步骤六、对所建立轻量化显著性检测模型进行训练，并保存训练所得最终模型参数；本发明通过对图像中多尺度特征的充分挖掘以及图像全局特征的提取与利用，强化了轻量化模型的检测能力，在保持轻量化模型自身优势的同时，提升了模型的检测精度。
-
公开(公告)号：CN115346094A
公开(公告)日：2022-11-15
申请号：CN202211037831.7
申请日：2022-08-25
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/04
Abstract: 本发明涉及一种基于主体区域引导的伪装目标检测方法，包括训练图像预处理、伪装目标预测网络搭建和伪装目标预测网络的训练三个步骤。首先，通过训练图像预处理进行数据增强，然后搭建伪装目标预测网络，最后通过训练集图像完成伪装目标预测网络的训练，本发明方法针对编码部分包含丰富信息的浅层特征图，设计了主体区域分析模块进行有效提取，再通过特征融合模块利用对主体区域的预测信息，引导对伪装目标的检测。本发明方法提供的网络模型可以充分有效地利用主体区域引导信息来实现对自然图像中伪装目标的准确预测。
-
Patent Agency Ranking
公开(公告)号：CN115040128A
公开(公告)日：2022-09-13
申请号：CN202210620317.X
申请日：2022-06-02
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: A61B5/16
Abstract: 本发明公开了一种基于眼动数据的自闭症谱系障碍检测方法，包括如下步骤：S1、创建眼动图像的数据集；S2、搭建眼动特征提取网络，所述眼动特征提取网络以VGG‑16网络为主干网络；S3、通过眼动特征提取网络提取眼动特征，输出预测显著性图；S4、构建基于度量的损失函数，输入眼动特征并输出显著性检测结果，所述基于度量的损失函数选择标准化扫描路径、皮尔森相关系数和KL散度组合而成，S5、构建DRE损失函数，输入显著性检测结果并输出非显著检测结果，该方法运用眼动技术，可以高效率地分析婴幼儿的眼动情况，弥补传统工具中所具有的缺陷，具备客观、定量和迅速地将ASD患者的视觉注视异常这一现象反应出来的特点。
-
公开(公告)号：CN115019139A
公开(公告)日：2022-09-06
申请号：CN202210620320.1
申请日：2022-06-02
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明公开了一种基于双流网络的光场显著目标检测方法，包括如下步骤：S1、创建数据集，所述数据集包括焦片和RGB图像；S2、通过双流编码器提取焦片和RGB图像的特征；S3、特征融合S3‑1、将提取的焦片特征进行融合，使用焦片维注意力模块融合焦片中的有效信息；S3‑2、通过跨模态特征融合模块将步骤S3‑1得到的融合后的焦片特征和提取的RGB图像特征进行融合，得到跨模态融合特征；S4、通过解码模块对步骤S3得到的跨模态融合特征进行逐级解码。该方法通过跨模态特征融合模块能够有效地融合目标图像的特征、协同图像的特征和深度图像的特征。所以通过光场的输入来改善传统的基于RGB输入的显著目标检测具有良好的效果。
-
公开(公告)号：CN114627299A
公开(公告)日：2022-06-14
申请号：CN202210420891.0
申请日：2022-04-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种模仿人类视觉系统对伪装目标检测与分割方法，该包括如下步骤：S1、制作预训练数据集；S2、构建基于模仿人类视觉系统对伪装目标检测与分割的模型，所述模型包括编码器模块、桥接模块、邻域连接解码器模块和部分解码器模块；S3、通过编码器模块提取显著性信息；S4、通过桥接模块扩大全局感受野；S5、通过领域连接解码器模块生成粗糙位置图；S6、通过部分解码器模块生成精确的位置图；S7、训练构建好的基于模仿人类视觉系统对伪装目标检测与分割模型。方法主要由编码器模块，桥接模块，邻域连接解码器模块和部分解码器模块组成，通过对神经网络进行训练，得到最优参数，实现对伪装目标的自动检测与分割。
-
公开(公告)号：CN111680702B
公开(公告)日：2022-04-01
申请号：CN202010467331.1
申请日：2020-05-28
Applicant: 杭州电子科技大学
IPC: G06V10/46 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种使用检测框实现弱监督图像显著性检测的方法。本发明的方法是首先使用全连接条件随机场CRF方法处理不带图像类别信息的检测框标注数据，得到初始的粗糙显著图伪标签作为第一轮模型训练的监督信息，再利用显著图伪标签数据训练图像显著性检测网络模型，接着对显著图伪标签进行更新，即使用显著图更新策略处理模型在训练图像数据上预测得到的显著图，得到下一轮训练所需的显著图伪标签，然后进行迭代精炼的过程，重复模型训练和显著图更新过程，最后微调模型，使模型适应测试的显著性检测数据集。该方法使用不带图像类别信息的检测框标注作为模型的弱监督信息，有效提高弱监督显著性检测方法的性能。
-
公开(公告)号：CN111242138B
公开(公告)日：2022-04-01
申请号：CN202010028837.2
申请日：2020-01-11
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于多尺度特征融合的RGBD显著性检测方法。本发明首先构建了显著性检测模型，通过双流特征提取模块提取多级RGB图像特征和深度图像特征；通过多尺度特征池化模块和多尺度特征聚合模块进一步提取深层次特征。同时利用深度融合模块逐级融合来自于特征提取分支、多尺度特征池化模块和多尺度特征聚合模块的特征。显著性边界细化模块通过来自于RGB图像特征提取分支和深度图像特征提取分支的浅层特征进行边界约束，达到细化边界的目的；同时利用深度融合模块的输出特征进行全局约束，达到全局优化的目的。本发明实现了端到端的显著性预测，将边缘信息引入到了显著性检测中，可以充分有效地利用RGB图像信息和深度图像信息来预测显著性区域。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.03 seconds)
