公开(公告)号：CN119919457A

公开(公告)日：2025-05-02

申请号：CN202510412123.4

申请日：2025-04-02

Applicant: 南京邮电大学

Inventor： 朱虎 ,  黄一帆 ,  徐国夏 ,  邓丽珍

IPC: G06T7/246 ,  G06N3/045 ,  G06N3/08 ,  G06N5/04 ,  G06V10/44 ,  G06V10/62

Abstract: 本发明涉及一种基于深度学习分层视频注意力的单目标跟踪方法，包括：读取数据集得到原始视频数据和每帧中目标坐标、目标遮挡比例；利用目标遮挡比例筛选出基准帧，构建以基准帧为第一帧的初始视频序列和初始坐标真值序列；对初始坐标真值序列进行坐标扰动，利用扰动后的坐标对初始视频序列进行裁剪得到裁剪视频序列；对裁剪视频序列和裁剪坐标真值序列进行数据增强得到增强视频序列和增强坐标真值序列；利用增强视频序列和增强坐标真值序列对分层帧间滑动窗口因果注意力网络模型进行训练；利用训练完成分层帧间滑动窗口因果注意力网络模型进行自回归目标跟踪。本发明能够在视频遮挡、模糊、抖动的条件下对目标进行高效、准确的跟踪。

公开(公告)号：CN119942090A

公开(公告)日：2025-05-06

申请号：CN202510367885.7

申请日：2025-03-26

Applicant: 南京邮电大学

Inventor： 黄昌 ,  徐国夏 ,  邓丽珍 ,  朱虎

IPC: G06V10/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06V10/42 ,  G06V10/44 ,  G06V10/771 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及计算机视觉与目标检测技术领域，具体为基于动态Top‑k特征选择与交叉张量分解的伪装目标检测方法，包括：将伪装目标图像输入编码器网络提取多层级特征，生成不同尺度的特征图；输入全局感知模块和局部优化模块进行不同尺度特征提取，输出全局特征和局部特征；对全局特征和局部特征进行交叉张量分解，通过低秩因子矩阵扩展与交叉合并生成互补特征；将互补后的全局特征、局部特征及前一层融合特征输入层次融合模块；将特征输入混合加权解码器，结合DSE模块的通道注意力机制进行逆向优化，最终输出伪装目标检测结果；对输出的分割图及最终预测图进行多级监督，通过损失函数联合优化模型参数,灵活地调整对不同特征的依赖程度。

公开(公告)号：CN119942094A

公开(公告)日：2025-05-06

申请号：CN202510423335.2

申请日：2025-04-07

Applicant: 南京邮电大学

Inventor： 方子祺 ,  徐国夏 ,  邓丽珍 ,  朱虎

IPC: G06V10/25 ,  G06N3/045 ,  G06V10/80 ,  G06V10/82

Abstract: 本申请公开了基于颜色形状提示学习的红外小目标识别方法，包括S1、将红外小目标的图像数据集划分为训练集和测试集；S2、将训练集的图像输入至红外小目标检测网络模型的主干网络，提取含有红外小目标图像的多尺度特征；S3、提取到红外小目标图像的多尺度特征进行多尺度特征增强；S4、通过双重概率对齐DPA融合框架进行异域融合得到多尺度信息特征；S5、将多尺度信息特征送入动态检测头部DynamicHead的进行检测；检测结果由归一化Wasserstein距离NWD和自适应阈值焦点损失ATFL进行评估；S6、获取最终的红外小目标检测结果。本申请具有较好的可靠性和鲁棒性，提高了红外小目标的检测性能。

公开(公告)号：CN119919313A

公开(公告)日：2025-05-02

申请号：CN202510398615.2

申请日：2025-04-01

Applicant: 南京邮电大学

Inventor： 朱虎 ,  戴天翔 ,  徐国夏 ,  邓丽珍

IPC: G06T5/73 ,  G06T5/60 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明涉及一种基于高频差分空间注意力机制的全色锐化方法及系统，包括：将低分辨率多光谱LRMS图像建模为高分辨率多光谱HRMS图像的空间退化版本，得到光谱保真项，随后通过注意力注入模块，生成注意力注入权重图，将全色PAN图像及其低通滤波图像分别输入到差分注意力本模块中计算得到高频差分注意力图，然后根据注意力注入权重图和高频差分空间注意力图构建高频差分空间保真项，引入高分辨率多光谱HRMS图像的对数核范数，将光谱保真项与高频差分空间注意力空间保真项及张量低管秩约束项结合，搭建全色锐化算法数学模型，最后采用替代方向乘子法对数学模型进行优化求解，最终输出高分辨率多光谱HRMS图像结果。

公开(公告)号：CN119919772A

公开(公告)日：2025-05-02

申请号：CN202510398481.4

申请日：2025-04-01

Applicant: 南京邮电大学

Inventor： 邓丽珍 ,  邸恒 ,  朱虎 ,  徐国夏

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/44 ,  G06N3/045

Abstract: 本发明提出了一种基于多尺度全局联合局部的低光图像增强方法，该方法搭建多尺度先验提取模块，将低光图像作为输入进行预训练，提取出图像的先验特征；通过引入多尺度先验提取，结合局部增强进行有效地捕捉复杂的全局和局部依赖关系，进一步地提升图像增强质量；通过引入自适应核选择模块利用空间变化操作动态选择特征，实现对不同输入的灵活适应；该方法还引入了一种动态伪标签生成框架，通过伪标签生成、动态置信度评估与知识蒸馏，提高了网络的泛化能力。本发明在实际应用场景如低光物体检测中也展现了优越性能，具有广泛的应用前景。