-
公开(公告)号：CN116994137A
公开(公告)日：2023-11-03
申请号：CN202310979011.8
申请日：2023-08-04
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于多尺度形变建模和区域精细提取的目标检测方法，属于目标检测与识别技术领域。方法如下：设计多尺度特征动态融合模块，获得多尺度形变目标的候选区域提取结果；将候选区域提取结果分类，获得用最小边界矩形框标记的所有目标区域；提出定制化的结合二进制交叉熵、偏置损失和结构相似度的显著区域精细提取损失函数，实现复杂场景干扰下舰船目标的准确检测。本发明实现目标多尺度形变特征的增强学习，提高检测网络对目标与复杂背景的分辨能力，可实现在云层、光照阴影、港口设施等复杂场景下的舰船目标准确检测，为航空管制、海上救援和港口管理等军民应用提供有力支持。
-
公开(公告)号：CN117237802A
公开(公告)日：2023-12-15
申请号：CN202311173885.0
申请日：2023-09-12
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/776 , G06V10/80 , G06F18/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 一种基于多分支信息互补的多源遥感图像目标检测识别方法，所述方法为：基于跨域信息引导的信号级融合检测识别。信号级融合检测识别通过跨域信息引导融合模块实现多源数据互补信息的充分融合，再经由目标检测识别模块实现目标位置、类别信息输出。基于交并比的多分支融合识别结果关联。利用单源目标检测识别模块处理单源图像，输出单源检测识别结果，结合信号级融合识别结果，计算多分支目标预测框交并比并进行关联。基于阶梯置信度阈值筛选的多分支识别结果决策级融合。对于关联后的多分支预测结果，基于预测框关联数目、目标置信度和类别，筛选目标并确定最终目标类型。本方法可以实现针对复杂场景、环境下的目标高概率、低虚警率的检测识别。
-
Patent Agency Ranking
公开(公告)号：CN117237802B
公开(公告)日：2025-04-29
申请号：CN202311173885.0
申请日：2023-09-12
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/776 , G06V10/80 , G06F18/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 一种基于多分支信息互补的多源遥感图像目标检测识别方法，所述方法为：基于跨域信息引导的信号级融合检测识别。信号级融合检测识别通过跨域信息引导融合模块实现多源数据互补信息的充分融合，再经由目标检测识别模块实现目标位置、类别信息输出。基于交并比的多分支融合识别结果关联。利用单源目标检测识别模块处理单源图像，输出单源检测识别结果，结合信号级融合识别结果，计算多分支目标预测框交并比并进行关联。基于阶梯置信度阈值筛选的多分支识别结果决策级融合。对于关联后的多分支预测结果，基于预测框关联数目、目标置信度和类别，筛选目标并确定最终目标类型。本方法可以实现针对复杂场景、环境下的目标高概率、低虚警率的检测识别。
-
公开(公告)号：CN116935223B
公开(公告)日：2025-03-11
申请号：CN202310918475.8
申请日：2023-07-25
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/25 , G06V10/24 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于任务解耦和自适应点集策略的旋转目标检测方法，所述方法包括如下步骤：步骤1：设计基于自适应点集策略的anchor‑free旋转目标检测网络，挖掘任意方向目标的深层几何信息，提取用于旋转目标框定位的角度信息；步骤2：设计检测特征解耦网络，在特征空间和网络参数两个方面将回归与分类拆分为两个子网络，抑制回归任务和分类任务之间的特征敏感性不一致问题，实现复杂场景下遥感目标的检测与定位。该方法通过增强模型对深层空间几何信息和基本纹理特征的提取能力，从而实现在各种复杂场景下的遥感目标检测，为航空管制、海上救援和港口管理等军民应用提供有力支持。
-
公开(公告)号：CN116994137B
公开(公告)日：2025-01-28
申请号：CN202310979011.8
申请日：2023-08-04
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于多尺度形变建模和区域精细提取的目标检测方法，属于目标检测与识别技术领域。方法如下：设计多尺度特征动态融合模块，获得多尺度形变目标的候选区域提取结果；将候选区域提取结果分类，获得用最小边界矩形框标记的所有目标区域；提出定制化的结合二进制交叉熵、偏置损失和结构相似度的显著区域精细提取损失函数，实现复杂场景干扰下舰船目标的准确检测。本发明实现目标多尺度形变特征的增强学习，提高检测网络对目标与复杂背景的分辨能力，可实现在云层、光照阴影、港口设施等复杂场景下的舰船目标准确检测，为航空管制、海上救援和港口管理等军民应用提供有力支持。
-
公开(公告)号：CN118822841A
公开(公告)日：2024-10-22
申请号：CN202410829403.0
申请日：2024-06-25
Applicant: 哈尔滨工业大学
IPC: G06T3/4038 , G06T5/50 , G06V10/764 , G06T5/70 , G06N3/0475 , G06N3/098 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N5/04
Abstract: 本发明公开了一种基于扩散模型的条件引导图像翻译方法，所述方法提出一种结合扩散模型与条件生成对抗网络的两阶段图像翻译模型，阶段一预训练ResAttNet1提取深度特征，利用深度特征图中包含的丰富语义信息，作为条件生成对抗网络的条件信息，引导条件生成对抗网络完成图像翻译。阶段二利用训练好的ResAttNet1和参数随机初始化的ResAttNet2分别提取全局特征信息和样本级深度特征，采用条件生成对抗网络与扩散模型联合训练的策略，使用一个轻量的扩散模型细化深度特征，最终构建一个训练稳定、生成图像保真度好、采样速率高的图像翻译网络。该方法能够提高条件信息的质量和准确性，有效提升CGAN的图像翻译性能。
-
公开(公告)号：CN116935223A
公开(公告)日：2023-10-24
申请号：CN202310918475.8
申请日：2023-07-25
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/25 , G06V10/24 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于任务解耦和自适应点集策略的旋转目标检测方法，所述方法包括如下步骤：步骤1：设计基于自适应点集策略的anchor‑free旋转目标检测网络，挖掘任意方向目标的深层几何信息，提取用于旋转目标框定位的角度信息；步骤2：设计检测特征解耦网络，在特征空间和网络参数两个方面将回归与分类拆分为两个子网络，抑制回归任务和分类任务之间的特征敏感性不一致问题，实现复杂场景下遥感目标的检测与定位。该方法通过增强模型对深层空间几何信息和基本纹理特征的提取能力，从而实现在各种复杂场景下的遥感目标检测，为航空管制、海上救援和港口管理等军民应用提供有力支持。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
