-
公开(公告)号：CN118799753A
公开(公告)日：2024-10-18
申请号：CN202410793486.2
申请日：2024-06-19
Applicant: 北方工业大学
IPC: G06V20/17 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征增强网络的航拍图像目标检测方法，包括构建基于区域Transformer注意力机制的特征提取增强网络，在特征提取网络中使用基于移位区域Transformer思想的感知增强模块替换原始的部分全卷积运算，构建基于多层次加权的多尺度特征融合增强网络，在特征融合部分的浅层上加入一个新的特征融合层，并在原始的特征输入与输出之间添加跨层连接，在后处理阶段，在边界框回归的损失函数中引入角度匹配的框回归损失函数，本申请可以以较低的计算开销增强模型的全局感知能力，提升对多尺度目标的检测性能，并增强了网络对密集排列、相互遮挡目标的识别能力。
-
公开(公告)号：CN111339902B
公开(公告)日：2023-10-10
申请号：CN202010108573.1
申请日：2020-02-21
Applicant: 北方工业大学
IPC: G06V30/144 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供一种数显仪表的液晶屏示数识别方法及装置，所述方法包括：获取包含有数显仪表及液晶屏示数的图像，并输入所述图像至第一预设模型；所述第一预设模型是对感受野阻滞网RFB Net基于空间分辨率删减卷积层后得到的模型；将所述第一预设模型的输出结果作为所述液晶屏示数的定位信息，根据所述定位信息对所述图像中包含所述液晶屏示数的区域进行切片处理，得到图像切片；输入所述图像切片至第二预设模型，并将所述第二预设模型的输出结果作为所述液晶屏示数的识别结果；其中，所述第二预设模型是CRNN。所述装置执行上述方法。本发明实施例提供的方法及装置，具有较强的鲁棒性和准确性，提高了总体模型的识别速度。
-
公开(公告)号：CN108256471B
公开(公告)日：2020-08-14
申请号：CN201810041080.3
申请日：2018-01-16
Applicant: 北方工业大学
Abstract: 本发明提出了一种基于双层分类网的高分辨率SAR船只识别方法。该方法涉及高分辨率SAR图像自动处理，提出双层分类网的分类策略，尤其针对SAR遥感图像中船只目标的高鲁棒性识别。第一步针对SAR图像中强散射点的目标邻域块进行划分，基于邻域块提取图像的初级特征。第二步，针对特征邻域用K‑means形成视觉词典，基于OC‑SVM分类器构建Bow中层特征编码，构建分类网第一层。第三步，中层特征编码训练样本集中每个船只样本，提取初级特征为描述特征，以判别的视觉单词类型为标签。利用多类SVM形成不同船只的分类判别准则，形成分类网的第二层分类。该方法能有效提取高分辨SAR图像中船只目标关键部位的语义级特征，对应设计提出的双层分类网能进行有效识别。
-
公开(公告)号：CN106709914B
公开(公告)日：2020-01-17
申请号：CN201710008614.8
申请日：2017-01-05
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于双级DEM海陆库的SAR图像船舶检测虚警剔除方法，属于遥感信息处理领域。该方法首先基于DEM构建第一级低分辨率海陆库实现陆地区域的快速屏蔽，大大减少运算的数据量；其次，采用双参数CFAR检测技术对海洋区域进行船舶检测，得到目标切片；然后基于DEM构建第二级高分辨率海陆库对SAR图像船舶检测的目标切片结果进行虚警剔除，快速剔除沿岸陆地、大型岛屿和沿岸建筑设施产生的陆地虚警目标，进一步降低虚警率。该方法既减少了船舶检测的运算量，又保证了检测的精度。
-
公开(公告)号：CN109934126A
公开(公告)日：2019-06-25
申请号：CN201910143746.0
申请日：2019-02-25
Applicant: 北方工业大学
Abstract: 本发明实施例提供一种车辆尾烟检测方法及系统，该方法包括：将当前帧图像与背景帧图像中相对应的像素点进行灰度值作差，获得车辆动目标图像；其中，车辆动目标图像内包含动目标区域，动目标区域内像素点的像素值为设定像素值；在车辆动目标图像设置上观测条和下观测条，并对上观测条内像素值为设定像素值的像素点进行连通区域标记，以及对下观测条内像素值为设定像素值的像素点进行连通区域标记；根据上观测条内的连通区域及下观测条内的连通区域，判断动目标区域内的车辆是否排放尾烟。本发明实施例相比于现有计数中采用的人工观测方法减少了人力投入，避免了观察者经验对检测结果的影响，提高了检测效率和检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109784198A
公开(公告)日：2019-05-21
申请号：CN201811570256.0
申请日：2018-12-21
Applicant: 北方工业大学
Abstract: 本发明实施例提供一种机场遥感图像飞机辨识方法及装置，属于人工智能技术领域。该方法包括：基于YOLOv3网络，对机场遥感图像进行检测；基于YOLOv3网络的检测结果，获取遥感图像切片，并基于SSD网络，对遥感图像切片进行飞机细类识别；将YOLOv3网络的检测结果与SSD网络的识别结果进行融合，得到机场遥感图像中飞机的辨识结果。本发明实施例提供的方法，通过将YOLOv3网络的检测结果与SSD网络的识别结果进行融合，得到飞机的辨识结果。由于第一层采用YOLO-v3网络进行大类的飞机检测，在基于少量切片第二层采用SSD网络进行飞机细类的识别，从而能够有效地控制计算量又能提高飞机的识别精准度。
-
公开(公告)号：CN104992172B
公开(公告)日：2019-05-03
申请号：CN201510475992.8
申请日：2015-08-05
Applicant: 北方工业大学
IPC: G06K9/00
Abstract: 一种基于沿岸突异区扫描的港口遥感图像靠岸船舶检测方法，在不建立先验港口地理信息库的情况下，针对靠岸船舶目标进行判别，同时利用形态特征判别疑似船舶目标。首先，利用海水灰度与领域方差尖峰分布特性，通过掩模扫描，判别水陆位置，快速获取沿岸区域位置；之后，利用交叉扫描海岸突异区域，初步判别疑似港口靠岸船舶目标；最后，利用形态特征进一步判断疑似目标，通过长宽轴以及膨胀与腐蚀的结合处理，得到该船舶目标的标记框。
-
公开(公告)号：CN108460367A
公开(公告)日：2018-08-28
申请号：CN201810266243.8
申请日：2018-03-28
Applicant: 北方工业大学
Abstract: 本发明实施例提供了一种基于预判机制的目标检测方法，包括：对图像的地理属性进行区分，若所述图像的地理属性中存在待分割地理属性，则对所述待分割地理属性进行分割得到分割后的地理属性；若所述图像的地理属性中存在单纯地理属性，则采用候选区旋转切片法或象限判断法，对所述单纯地理属性或所述分割后的地理属性进行目标检测并提取相应目标。本发明可以有效提高目标检测的效率、准确度及精度。
-
公开(公告)号：CN108256491A
公开(公告)日：2018-07-06
申请号：CN201810074339.4
申请日：2018-01-25
Applicant: 北方工业大学
Abstract: 本发明提出了一种无预设靶标的复杂场景无人机自主降落候选区筛选方法。该方法对降落区域实时采集的图像进行处理。首先，对采集到的图像进行基于梯度模值的降落视场平整性计算，之后以平整区为基础进行处理实现可降落候选区初步生成。接着，综合利用候选区色调及高度置信度，对初步候选区进行综合判定筛选降落候选区。该方法具有对复杂场景区域良好的适应性，且不依赖于预先的靶标铺设，对于降落环境依赖弱，具有较好的普适性。此外，本方法自动筛选的候选区通常将包括若干可降落区格，可实现集群条件下最大限度的多目标同时自主降落，并且具有区域的自适应性，极大提升了无人机自主降落的适用范围及自动化程度。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.024 seconds)
