-
公开(公告)号：CN116665016B
公开(公告)日：2024-02-23
申请号：CN202310758618.3
申请日：2023-06-26
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及一种基于改进YOLOv5的单帧红外弱小目标检测方法，解决单帧红外图像由于弱小目标的显著性不强、特征细节不明显且像素占比少，使得目标特征提取困难、检测准确率低的问题。该发明包含以下步骤：首先构建单帧红外图像数据集和YOLOv5网络模型，接着在主干网络中引入设计的SimAMC3注意力机制模块，在特征融合网络中增加新的特征融合层，在头部网络中增加新的弱小目标检测头并引入SimAM注意力机制，修改头部网络的预测框筛选方式，然后进行网络的训练和测试，最后对基于改进YOLOv5的单帧红外弱小目标检测方法进行评估。本发明能有效增强网络对弱小目标的特征提取能力和关注程度，在不增加参数计算量的同时，提升单帧红
-
公开(公告)号：CN119919819A
公开(公告)日：2025-05-02
申请号：CN202510403166.6
申请日：2025-04-01
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V20/10 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/77 , G06T7/73 , G06N3/0464
Abstract: 本发明涉及遥感目标检测技术领域，尤其涉及一种基于双域特征融合的遥感图像有向目标检测方法，方法包括获取遥感图像数据集，得到训练集；构建遥感目标检测网络，遥感目标检测网络包括特征提取支路、使遥感图像的空域特征和频域特征进行特征融合的双域特征融合支路，以及根据不同的融合特征判断遥感图像对应的类别以及位置的目标检测支路；利用训练集对遥感目标检测网络进行训练，得到遥感目标检测模型；将待检测的遥感图像输入到遥感目标检测模型中，输出对应的检测类别。本发明充分考虑空间域和频域对遥感分类的作用，通过空间域和频域的自适应选择以及双域间的特征交互融合，有效增强了全局上下文信息和局部信息的融合，弥补了目标信息的缺失。
-
公开(公告)号：CN118862997B
公开(公告)日：2024-11-29
申请号：CN202411344627.9
申请日：2024-09-25
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明涉及计算机技术领域，尤其涉及一种基于神经架构搜索的剪枝方法，首先获取网络模型的初始权重矩阵和初始信息素浓度矩阵；然后对初始权重矩阵进行伪剪枝，并对网络模型的信息素浓度矩阵进行更新，得到网络模型中的所有神经元的权重和信息素浓度；将所有神经元进行分组得到每个神经元的信息素浓度集合，根据每个神经元的信息素浓度集合确定每个神经元的重要性系数；最后所有神经元的重要性系数进行排序，根据排序结果对神经元开始移除，从而完成网络剪枝；本发明通过基于神经架构搜索的方法，优化剪枝算法，使其能够适应复杂网络结构；然后通过信息素浓度对参数重要性进行合理判定，确保剪枝后的模型依然保持高精度。
-
公开(公告)号：CN118628714B
公开(公告)日：2024-12-10
申请号：CN202410712236.1
申请日：2024-06-04
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明涉及一种面向中低分辨率光学遥感图像的小目标检测方法，包括：获取遥感图像数据训练样本和测试样本；采用DEM退化模型对训练样本进行随机退化；构建中低分辨率遥感图像目标检测框架；构建损失函数进行联合迭代训练；对中低分辨率遥感图像测试样本进行检测和评估。本发明通过构建的中低分辨率遥感图像目标检测框架，设计了一个额外的退化重建分支，以有效增强目标检测网络应对不同分辨率退化图像的能力；此外，在目标检测分支中引入了一个混合并行注意力特征融合模块，以实现对目标特征的集中关注，抑制冗余的复杂背景；本发明在不产生额外的计算量的同时，提升了中低分辨率光学遥感图像小目标检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN116665016A
公开(公告)日：2023-08-29
申请号：CN202310758618.3
申请日：2023-06-26
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及一种基于改进YOLOv5的单帧红外弱小目标检测方法，解决单帧红外图像由于弱小目标的显著性不强、特征细节不明显且像素占比少，使得目标特征提取困难、检测准确率低的问题。该发明包含以下步骤：首先构建单帧红外图像数据集和YOLOv5网络模型，接着在主干网络中引入设计的SimAMC3注意力机制模块，在特征融合网络中增加新的特征融合层，在头部网络中增加新的弱小目标检测头并引入SimAM注意力机制，修改头部网络的预测框筛选方式，然后进行网络的训练和测试，最后对基于改进YOLOv5的单帧红外弱小目标检测方法进行评估。本发明能有效增强网络对弱小目标的特征提取能力和关注程度，在不增加参数计算量的同时，提升单帧红外图像中弱小目标检测的平均精度均值。
-
公开(公告)号：CN118862997A
公开(公告)日：2024-10-29
申请号：CN202411344627.9
申请日：2024-09-25
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明涉及计算机技术领域，尤其涉及一种基于神经架构搜索的剪枝方法，首先获取网络模型的初始权重矩阵和初始信息素浓度矩阵；然后对初始权重矩阵进行伪剪枝，并对网络模型的信息素浓度矩阵进行更新，得到网络模型中的所有神经元的权重和信息素浓度；将所有神经元进行分组得到每个神经元的信息素浓度集合，根据每个神经元的信息素浓度集合确定每个神经元的重要性系数；最后所有神经元的重要性系数进行排序，根据排序结果对神经元开始移除，从而完成网络剪枝；本发明通过基于神经架构搜索的方法，优化剪枝算法，使其能够适应复杂网络结构；然后通过信息素浓度对参数重要性进行合理判定，确保剪枝后的模型依然保持高精度。
-
公开(公告)号：CN118628714A
公开(公告)日：2024-09-10
申请号：CN202410712236.1
申请日：2024-06-04
Applicant: 中国科学院长春光学精密机械与物理研究所
Abstract: 本发明涉及一种面向中低分辨率光学遥感图像的小目标检测方法，包括：获取遥感图像数据训练样本和测试样本；采用DEM退化模型对训练样本进行随机退化；构建中低分辨率遥感图像目标检测框架；构建损失函数进行联合迭代训练；对中低分辨率遥感图像测试样本进行检测和评估。本发明通过构建的中低分辨率遥感图像目标检测框架，设计了一个额外的退化重建分支，以有效增强目标检测网络应对不同分辨率退化图像的能力；此外，在目标检测分支中引入了一个混合并行注意力特征融合模块，以实现对目标特征的集中关注，抑制冗余的复杂背景；本发明在不产生额外的计算量的同时，提升了中低分辨率光学遥感图像小目标检测的准确率。
-
公开(公告)号：CN116665015B
公开(公告)日：2024-04-02
申请号：CN202310758457.8
申请日：2023-06-26
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06V20/17 , G06N3/0464
Abstract: 本发明涉及一种基于YOLOv5的红外序列图像弱小目标检测方法，解决红外序列图像由于受到噪声和复杂背景的干扰而导致弱小目标检测出现虚警的问题。该发明包含以下步骤：首先构建红外序列图像数据集，接着构建基于YOLOv5的红外序列图像弱小目标检测网络模型，具体包括构建YOLOv5网络模型、YOLOv5检测头的解耦、构建特征信息筛选模块和构建帧间信息链接模块，然后进行网络的训练和测试，最后对基于YOLOv5的红外序列图像弱小目标检测方法进行评估。本发明将YOLOv5网络与红外序列图像的帧间关联信息相结合，可以同时利用图像的时空关联来实现端到端的弱小目标检测，在提升检测精度的同时，能够有效的剔除虚警干扰，具有较强的鲁棒性和可行性。
-
公开(公告)号：CN116665015A
公开(公告)日：2023-08-29
申请号：CN202310758457.8
申请日：2023-06-26
Applicant: 中国科学院长春光学精密机械与物理研究所
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06V20/17 , G06N3/0464
Abstract: 本发明涉及一种基于YOLOv5的红外序列图像弱小目标检测方法，解决红外序列图像由于受到噪声和复杂背景的干扰而导致弱小目标检测出现虚警的问题。该发明包含以下步骤：首先构建红外序列图像数据集，接着构建基于YOLOv5的红外序列图像弱小目标检测网络模型，具体包括构建YOLOv5网络模型、YOLOv5检测头的解耦、构建特征信息筛选模块和构建帧间信息链接模块，然后进行网络的训练和测试，最后对基于YOLOv5的红外序列图像弱小目标检测方法进行评估。本发明将YOLOv5网络与红外序列图像的帧间关联信息相结合，可以同时利用图像的时空关联来实现端到端的弱小目标检测，在提升检测精度的同时，能够有效的剔除虚警干扰，具有较强的鲁棒性和可行性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.044 seconds)
