-
公开(公告)号：CN116797503A
公开(公告)日：2023-09-22
申请号：CN202310581313.X
申请日：2023-05-23
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T5/50 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于遥感时敏目标智能检测的数据增强方法，该方法为：构建多尺度目标生成模型；获得图像样本数据集，然后利用对抗损失和重建损失对构建的图像增强多尺度目标生成模型进行训练，训练结束后得到图像增强多尺度目标生成模型；对含有目标的图像数据集，通过所述图像增强多尺度目标生成模型对三组含有目标的图像数据集进行数据集增强，每个数据集中的每张图片均生产多张图片。本发明效解决时敏目标数据数量少，从而导致深度学习检测模型训练不足，易产生过拟合等问题，能够通过少量的时敏目标数据生成大量包含时敏目标的图像，从而实现数据集增强，为目标检测任务提供良好的数据支撑。具有一定的实用价值。
-
Patent Agency Ranking
公开(公告)号：CN116596993A
公开(公告)日：2023-08-15
申请号：CN202310560741.4
申请日：2023-05-18
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T7/70 , G06V10/40 , G06V10/25 , G06V10/26 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08 , G06V20/17
Abstract: 本发明提供了一种基于伪孪生网络与深度特征的目标识别匹配定位方法，具体包括以下步骤：基于伪孪生网络模型进行目标识别与图像匹配定位一体化设计，获取目标图像并基于SSD算法对目标进行识别，基于深度特征匹配方法进行目标匹配定位，基于网格运动统计模型优化匹配结果。本发明采用伪孪生网络结构，通过目标识别算法选取参考图与实时图的适配区，利用深度特征与GMS算法相结合的匹配策略，完成目标识别与匹配定位任务。本发明与其他的匹配算法相比，鲁棒性更强、匹配精度更高，在保证实时性的前提下，提高了网络的泛化能力，实现了目标识别与匹配定位算法的一体化设计，减少了运算量，在光照、尺度和成像角度发生较大变化时，表现更加优异。
-
公开(公告)号：CN116596814A
公开(公告)日：2023-08-15
申请号：CN202310379176.1
申请日：2023-04-11
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/0895 , G06N3/096 , G06V10/80
Abstract: 本发明提供了一种基于对比表示学习的多模图像智能融合方法，包括以下步骤：数据采集：从公共数据集中收集用于图像融合任务的训练与测试图像，具体是从公共数据集TNO和RoadScene中收集红外与可见光图像；数据预处理：构建训练集与测试集，并统一源图像尺度；模型训练：包括图像融合网络结构搭建、损失函数构建以及模型训练；模型保存：当模型的损失函数不再减少时，及时保存最优模型。本发明通过自监督的对比损失，指导网络自适应地保留红外图像显著目标与可见光图像中的背景纹理信息；而且整个网络是轻量化的，可以快速重构出融合图像，并且生成的融合图像的多项性能超过了多数现有基于深度学习的图像融合方法。
-
公开(公告)号：CN113658191B
公开(公告)日：2022-09-30
申请号：CN202110756141.6
申请日：2021-07-05
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于局部概率超图相异度量的红外弱小目标检测方法，引入了概率超图模型，设计了一种全新的度量方式，称为概率超图相异性，提升了描述的鲁棒性；然后构建了多尺度局部概率超图相异性度量，有效的辨别了目标区域和背景区域；最后，通过自适应阈值分割实现了对目标的有效检测。
-
公开(公告)号：CN113658191A
公开(公告)日：2021-11-16
申请号：CN202110756141.6
申请日：2021-07-05
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于局部概率超图相异度量的红外弱小目标检测方法，引入了概率超图模型，设计了一种全新的度量方式，称为概率超图相异性，提升了描述的鲁棒性；然后构建了多尺度局部概率超图相异性度量，有效的辨别了目标区域和背景区域；最后，通过自适应阈值分割实现了对目标的有效检测。
-
公开(公告)号：CN116485677A
公开(公告)日：2023-07-25
申请号：CN202310470476.0
申请日：2023-04-27
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T5/00 , G06T5/50 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标信息消隐技术领域，公开了一种目标实时智能消隐方法，包括以下步骤，其中步骤一为数据集收集与标注，包括目标数据集收集和场景数据集收集；步骤二为模型训练，包括目标分割模型训练和目标消隐模型训练；步骤三为实时目标消隐，包括图像采集、单帧目标分割、更新图像储存库、目标消隐和图像显示步骤。本发明通过视频采集到终端存储之间传输的视频流，智能识别敏感目标并高效消隐，可以有效减少敏感目标出现于互联网；同时在技术实现上，采用实时分割生成掩码，然后进行消隐的方式，有效解决了当前消隐算法极大依赖于人工标注的问题，极大减少了人力物力。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
