-
公开(公告)号：CN118469022B
公开(公告)日：2024-10-29
申请号：CN202410919970.5
申请日：2024-07-10
Applicant: 安徽大学
IPC: G06N5/04 , G06N3/0455 , G06N3/0499 , G06F18/25 , G06V10/40 , G06V10/56 , G06V10/58 , G06F40/30 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明公开了基于文本信息引导的多源遥感视觉问答方法及系统，方法包括：获得RGB特征、SAR特征以及原始文本特征；原始文本特征和RGB特征输入第一特征增强模型得到RGB增强特征，原始文本特征和SAR特征输入第二特征增强模型得到SAR增强特征；RGB增强特征、SAR增强特征以及原始文本特征均输入QGF模型得到图像融合特征；图像融合特征以及原始文本特征输入第一解码器得到融合文本特征的图像特征，将原始文本特征以及图像融合特征输入第二解码器得到融合图像特征的文本特征，经处理得到最终预测的遥感视觉问答任务答案；本发明的优点在于：提高遥感视觉问答任务回答的准确性。
-
公开(公告)号：CN118941973B
公开(公告)日：2024-12-13
申请号：CN202411434113.2
申请日：2024-10-15
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了基于多任务强化学习自动剪枝方法的SAR舰船目标检测方法及系统，涉及SAR舰船目标检测领域，其中方法包括：采集包含待检测目标舰船的SAR图像；设计多任务强化学习自动剪枝方法；基于多任务强化学习自动剪枝方法，改进传统SAR舰船目标检测模型，得到最终模型；利用最终模型对SAR图像进行检测，识别其中的舰船。本发明通过多任务强化学习自动剪枝方法优化SAR舰船目标检测，有效减少模型参数量和计算量，同时保持高检测精度，增强模型在边缘设备上的应用能力。
-
公开(公告)号：CN118941914A
公开(公告)日：2024-11-12
申请号：CN202410861508.4
申请日：2024-06-28
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/20 , G06V10/40 , G06V10/766 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明提供结构信息引导的SAR目标细粒度识别方法及系统，方法包括：采用了YOLOv5的策略进行数据预处理；将预处理后的数据送入DCN和注意力模块中，对图像中的关键特征进行引导增强；特征送入检测头，生成最终的识别结果；采用Focaler‑SloU进行网络训练。本发明解决了鲁棒性和泛化性较弱、虚警率高、漏检错检以及目标具体型号难以进行准确的细粒度分类的技术问题。
-
公开(公告)号：CN118469022A
公开(公告)日：2024-08-09
申请号：CN202410919970.5
申请日：2024-07-10
Applicant: 安徽大学
IPC: G06N5/04 , G06N3/0455 , G06N3/0499 , G06F18/25 , G06V10/40 , G06V10/56 , G06V10/58 , G06F40/30 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明公开了基于文本信息引导的多源遥感视觉问答方法及系统，方法包括：获得RGB特征、SAR特征以及原始文本特征；原始文本特征和RGB特征输入第一特征增强模型得到RGB增强特征，原始文本特征和SAR特征输入第二特征增强模型得到SAR增强特征；RGB增强特征、SAR增强特征以及原始文本特征均输入QGF模型得到图像融合特征；图像融合特征以及原始文本特征输入第一解码器得到融合文本特征的图像特征，将原始文本特征以及图像融合特征输入第二解码器得到融合图像特征的文本特征，经处理得到最终预测的遥感视觉问答任务答案；本发明的优点在于：提高遥感视觉问答任务回答的准确性。
-
公开(公告)号：CN118247584B
公开(公告)日：2024-08-09
申请号：CN202410667511.2
申请日：2024-05-28
Applicant: 安徽大学
IPC: G06V10/764 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/82 , G06V20/10
Abstract: 本发明公开一种高光谱图像域泛化方法和装置、系统、存储介质，包括以下步骤：根据源域高光谱图像，得到扩展域高光谱图像；根据源域高光谱图像和扩展域高光谱图像，通过解耦处理，得到源域不变特征、源域特定特征、扩展域不变特征和扩展域特定特征；根据域不变特征、源域特定特征、扩展域不变特征和扩展域特定特征，通过域组合进行特征重建和域交换，训练域不变特征编码器和域特定特征编码器；将目标域高光谱图像输入到训练好的域不变特征编码器进行预测分类。采用本发明的技术方案，有效提高高光谱图像跨场景分类的精度和泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN119006930A
公开(公告)日：2024-11-22
申请号：CN202411455790.2
申请日：2024-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/764 , G06N3/0464 , G06N3/0895 , G06V10/25 , G06V10/40 , G06V10/82 , G06V20/60
Abstract: 本发明公开了一种长尾分布细粒度飞机识别方法，包括：设计动态特征幻觉模块，基于动态特征幻觉模块合成幻觉样本来引入额外的数据方差，增强特征空间中尾部类别的表示，得到长尾分布尾部类别样本数据；设计对比学习模块，基于对比学习模块通过最大化类间距离和最小化类内距离提取长尾分布尾部类别样本数据的判别特征，根据判别特征对遥感图像中飞机目标的细粒度目标进行检测，获得检测结果。本发明通过动态特征幻觉模块合成幻觉样本来引入额外的数据方差，增强了特征空间中尾部类别的表示，通过最大化类间距离和最小化类内距离来提取判别特征，实现了对飞机的准确识别。
-
公开(公告)号：CN119006798A
公开(公告)日：2024-11-22
申请号：CN202411455746.1
申请日：2024-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本发明公开了基于上下文感知和高斯流表征的SAR图像小样本目标检测系统及方法，属于目标识别技术领域，系统包括：图像采集模块、上下文感知增强模块、流形类分布估计模块、类平衡差分聚合模块和余弦解耦模块；图像采集模块用于获取待查询SAR图像；上下文感知增强模块将最具语义信息代表的支持特征提炼为支持类原型，并得到原始查询特征；流形类分布估计模块将支持特征转换为复杂的类分布；类平衡差分聚合模块基于类分布将不同类别的原始查询特征和支持特征进行深度语义特征聚合得到聚合后查询特征；余弦解耦模块利用一个经过特征归一化、余弦相似度量和可学习缩放因子处理的分类分支处理原始查询特征和聚合后查询特征，得到目标识别结果。
-
公开(公告)号：CN118941973A
公开(公告)日：2024-11-12
申请号：CN202411434113.2
申请日：2024-10-15
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了基于多任务强化学习自动剪枝方法的SAR舰船目标检测方法及系统，涉及SAR舰船目标检测领域，其中方法包括：采集包含待检测目标舰船的SAR图像；设计多任务强化学习自动剪枝方法；基于多任务强化学习自动剪枝方法，改进传统SAR舰船目标检测模型，得到最终模型；利用最终模型对SAR图像进行检测，识别其中的舰船。本发明通过多任务强化学习自动剪枝方法优化SAR舰船目标检测，有效减少模型参数量和计算量，同时保持高检测精度，增强模型在边缘设备上的应用能力。
-
公开(公告)号：CN118429622A
公开(公告)日：2024-08-02
申请号：CN202410611543.0
申请日：2024-05-16
Applicant: 安徽大学
IPC: G06V10/25 , G06V20/40 , G06V10/40 , G06V20/70 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/26 , G06V20/17 , G06N3/0499 , G06N3/048 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了基于河流信息引导的污染物高精度目标检测方法及系统，方法包括：提取含有污染问题的河流视频区段，提取视频帧；将视频帧输入SAM模型的图片编码器得到图像特征嵌入，将文本描述输入Grounding DINO模型，Grounding DINO模型的输出结果输入到SAM模型的提示编码器得到提示特征嵌入；将图像特征嵌入以及提示特征嵌入均输入区域解耦模块得到先验增强特征；将视频帧输入检测器骨干网络获得多尺度特征；将先验增强特征与多尺度特征分别采用FFM模块进行融合得到多尺度融合特征；将多尺度融合特征均输入检测头，对污染物进行识别；本发明的优点在于：减少人力物力，且检测精度高。
-
公开(公告)号：CN118247584A
公开(公告)日：2024-06-25
申请号：CN202410667511.2
申请日：2024-05-28
Applicant: 安徽大学
IPC: G06V10/764 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/82 , G06V20/10
Abstract: 本发明公开一种高光谱图像域泛化方法和装置、系统、存储介质，包括以下步骤：根据源域高光谱图像，得到扩展域高光谱图像；根据源域高光谱图像和扩展域高光谱图像，通过解耦处理，得到源域不变特征、源域特定特征、扩展域不变特征和扩展域特定特征；根据域不变特征、源域特定特征、扩展域不变特征和扩展域特定特征，通过域组合进行特征重建和域交换，训练域不变特征编码器和域特定特征编码器；将目标域高光谱图像输入到训练好的域不变特征编码器进行预测分类。采用本发明的技术方案，有效提高高光谱图像跨场景分类的精度和泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
