-
公开(公告)号：CN117132572A
公开(公告)日：2023-11-28
申请号：CN202311117080.4
申请日：2023-08-31
Applicant: 南京理工大学
IPC: G06T7/00 , G06V20/70 , G06V10/24 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于旋转目标检测和语义分割的芯片键合丝缺陷联合检测方法，该方法依据芯片内部俯视视角X光图片，对图片中的键合丝缺陷分配标签，划分数据集，并进行离线多尺度增强处理，得到旋转目标检测数据集；在旋转目标检测数据集上训练，得到旋转目标检测模型；通过ST‑O‑RCNN在数据集图片上预测得到的预测框，切割出一张张聚焦键合丝的图片，构建语义分割数据集，训练UNet语义分割网络，得到语义分割模型；预测时将待预测芯片X光俯视图做离线数据增强处理，经旋转目标检测定位键合丝位置、语义分割获取键合丝形貌、程序识别键合丝缺陷三个步骤，得到键合丝缺陷检测结果。本发明能够实现对键合丝缺陷的精准定位和识别。
-
公开(公告)号：CN115908987B
公开(公告)日：2023-05-30
申请号：CN202310057815.2
申请日：2023-01-17
Applicant: 南京理工大学
IPC: G06V10/774 , G06V10/82 , G06N3/084 , G06V10/764 , G06N3/0464 , G06N3/045
-
公开(公告)号：CN115797794A
公开(公告)日：2023-03-14
申请号：CN202310057656.6
申请日：2023-01-17
Applicant: 南京理工大学
IPC: G06V20/13 , G06V10/62 , G06V10/774 , G06V10/82 , G06V20/40 , G06V10/778
Abstract: 本发明公开了一种基于知识蒸馏的卫星视频多目标跟踪方法，包括以下步骤：构造专门用于目标检测的教师网络；构造用于多目标跟踪的学生网络；结合教师网络和学生网络构建知识蒸馏模块；根据知识蒸馏损失和已有损失优化学生网络模型；结合目标检测结果，输出多目标跟踪结果。本发明的优点在于将知识蒸馏技术应用于卫星视频的多目标跟踪，利用专门用于目标检测的教师网络指导学生网络学习，提升了学生网络检测的泛化能力，可适用于卫星视频中的多目标跟踪问题。
-
公开(公告)号：CN115908987A
公开(公告)日：2023-04-04
申请号：CN202310057815.2
申请日：2023-01-17
Applicant: 南京理工大学
IPC: G06V10/774 , G06V10/82 , G06N3/084 , G06V10/764 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于分层自动关联学习的目标检测方法，该方法包括以下步骤：在层次结构的基础上引入关联学习模块；建立基于能量驱动的概率模型；通过最大化对数似然对模型进行优化；通过关联学习模块的反向传播梯度生成对应对象的热图。本发明定义了一个针对目标主动检测的分层自动关联模型，该模型旨在以一种无监督的方式捕捉对象的分布，直接从单类搜素图像中学习，无需任何预处理操作符，大大减少了人力成本；在实践中，只需说出物体的名称，模型就可以主动从互联网上学习，对比现有的学习模型更加智能。
-
公开(公告)号：CN115546638A
公开(公告)日：2022-12-30
申请号：CN202211219314.1
申请日：2022-09-30
Applicant: 南京理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/52
Abstract: 本发明公开了一种基于暹罗差分神经网络的变化检测方法，该方法包括以下步骤：构造对称的双边级联神经网络结构；建立针对加强特征提取的变化检测学习模型；基于注意力机制优化学习模型；提取优化结果，输出变化区域。本发明的优点在于定义了一个针对变化检测问题的暹罗变化检测模型，可以很好的缓解双时态图像对齐错误引起的误检，因此对于图像中的尺度和颜色变化具有较强的鲁棒性，能够适应各种各样的数据类型。
-
Patent Agency Ranking
公开(公告)号：CN119832026A
公开(公告)日：2025-04-15
申请号：CN202411939474.2
申请日：2024-12-26
Applicant: 南京理工大学
IPC: G06T7/246 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种应用于卫星视频多目标跟踪的三重注意力方法，涉及卫星视频多目标跟踪技术领域，将卫星视频帧序列输入三重注意力模块得到增强特征图；将增强特征图输入骨干网络得到特征图；将特征图分别输入检测头和跟踪头；利用损失函数更新优化网络。本发明采用上述一种应用于卫星视频多目标跟踪的三重注意力方法，用三重注意力机制，分别从空间、通道和时间三个维度增强当前帧特征，自适应重标定特征图中每个通道和空间位置重要性的同时通过相邻帧特征聚合融入了时间信息，从而提升模型的表征能力和决策准确性，可适用于卫星视频中的多目标跟踪问题。
-
公开(公告)号：CN119107562A
公开(公告)日：2024-12-10
申请号：CN202411213400.0
申请日：2024-08-30
Applicant: 南京理工大学
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于DCT感知的遥感图像变化检测方法，该方法利用四层次双分支网络提取并融合双时相特征；自适应光谱特征提取模块生成DCT滤波器，提取并综合频域特征；置信度加权融合器通过softmax计算置信度，结合注意力权重，归一化后用于特征图，通过点卷积分类检测图像变化。本发明采用创新网络和注意力机制，增强了遥感图像细节特征的提取，提升了模型的可解释性；Siamese网络结构确保了双时相图像特征提取的一致性；自适应光谱模块根据需求选择关键频率，优化了DCT滤波器的参数；置信度加权融合器通过动态特征选择和加权，提高了对变化区域的识别能力。
-
公开(公告)号：CN118470558A
公开(公告)日：2024-08-09
申请号：CN202410619300.1
申请日：2024-05-19
Applicant: 南京理工大学
IPC: G06V20/13 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/762 , G06V10/774
Abstract: 本发明公开了一种基于旋转重复点描述的遥感小目标检测方法及系统，方法包括：利用旋转等变骨干网络和旋转等变金字塔网络提取旋转等变的特征；在初始阶段，基于目标中心点生成多个自适应点，通过特定转换函数将自适应点转换为伪框；在细化阶段，评估自适应点的质量，采用动态k标签分配方法，选择质量分数最高的前k个样本作为最终的正样本，通过最小化综合损失函数，得到最终检测结果。本发明在Oriented RepPoints算法的基础上定义了一种针对遥感图像目标的旋转重复点描述检测器，以自适应点表示的方式，捕捉遥感目标的旋转等变特性，并通过设置空间约束来增强模型对离群目标的惩罚能力。
-
公开(公告)号：CN115565079A
公开(公告)日：2023-01-03
申请号：CN202211214138.2
申请日：2022-09-30
Applicant: 南京理工大学
IPC: G06V20/13 , G06V10/26 , G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于双边融合的遥感图像语义分割方法，该方法包括以下步骤：输入单幅遥感图像；构造用于风格迁移的生成器；构造基于双边融合方式的卷积神经网络；生成并迭代优化学习模型；输出语义分割结果。本发明的特点在于定义了一个针对遥感图像的语义分割模型，可以克服因图像噪声引起的漏检、误检问题，增强了遥感图像的分割效果，提高了语义分割的准确率；本发明可广泛应用于国土资源和精准农业领域的目标定位和检测。
-
公开(公告)号：CN114494154A
公开(公告)日：2022-05-13
申请号：CN202111670468.8
申请日：2021-12-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于内容编码的无监督变化检测方法，包括以下步骤：构造内容编码网络结构；建立变化检测的概率函数模型；定义掩码损失函数来测量内容编码之间的偏差；构造内容约束函数，根据对象来约束对图像的差分结果；结合掩码损失函数和内容约束函数来定义能量函数进行训练得到变化检测结果。该方法可以有效避免现有变化检测方法对于精确配准的依赖，可适用于大多数变化检测问题，包括现有方法无法解决的多视角图像的无监督变化检测问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.03 seconds)
