公开(公告)号：CN112580664A

公开(公告)日：2021-03-30

申请号：CN202011468851.0

申请日：2020-12-15

Applicant: 哈尔滨理工大学

Inventor： 李成严 ,  赵帅 ,  车子轩

IPC: G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提出了一种基于SSD的小目标检测方法，通过多尺度特征融合、学习具有大感受野的高分辨率特征、引入注意力机制等特征增强的方式丰富小目标的特征信息，提高小目标的特征质量，通过Anchor‑object匹配策略联合分类与定位的置信度去学习Anchor，解决每个被分配的Anchor独立的监督网络学习以进行分类与定位与分类与定位之间没有交互的问题，来提升小目标的检测精度以及定位精度，此外，数据集样本的多样性能够有效的提升模型对小目标检测的精度和泛化能力，所以本发明在数据样本的采集上，参考了不同光照、不同姿态及遮挡程度等众多影响因素。

公开(公告)号：CN115170803A

公开(公告)日：2022-10-11

申请号：CN202210858451.3

申请日：2022-07-20

Applicant: 哈尔滨理工大学

Inventor： 李成严 ,  车子轩 ,  郑企森

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/25 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提出一种基于E‑SOLO的城市街景实例分割方法；针对城市街景环境中存在的小目标分割问题，使用ECA‑PSConv模块对特征进行处理，该模块能够在增强有效特征的同时抑制无用特征，降低算法编‑解码过程造成的特征映射损失，同时可以对不同尺度的特征进行提取，提高检测分割精度；针对城市街景环境中存在的实例遮挡问题，使用MAE模块进行数据增强处理，增强后的训练图像在尽量避免因添加噪声所带来的负面影响的同时更贴近真实的源数据分布以提高数据集的表征能力；本发明较好的解决了城市街景环境下存在的车辆行人流动及摄像头距离较远等因素导致的实例目标较小和实例遮挡两个问题，提升了对小目标实例和遮挡实例的检测分割精度。