-
公开(公告)号：CN114202696B
公开(公告)日：2023-01-24
申请号：CN202111534166.8
申请日：2021-12-15
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V20/10 , G06N3/0464 , G06N3/08 , G06V10/40
Abstract: 本发明提供了一种基于上下文视觉的SAR目标检测方法、装置和存储介质，属于目标检测领域，包括：获取SAR图像；将SAR图像输入目标检测模型中，目标检测模型对SAR图像中的目标物进行定位和识别，获得检测结果。本发明通过从上到下和从下到上的注意力增强双向多尺度连接操作，以指导动态注意力矩阵的学习，增强不同分辨率下的特征交互，促使模型能够更为精准的提取多尺度的目标特征信息，回归检测框和分类，抑制干扰背景信息，从而增强了视觉表示能力。在增加注意力增强模块的情况下，整个Neck几乎不增加参数量和计算量也能使检测性能得到极强的增益。
-
公开(公告)号：CN114529836A
公开(公告)日：2022-05-24
申请号：CN202210170355.X
申请日：2022-02-23
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供一种SAR图像目标检测方法，包括：为了解决SAR目标轮廓不清晰和多尺度问题，所述SAR图像目标检测网络的基准网络采用YOLOX网络，引入了无锚框的检测框架，在此基础上对其骨干网络进行了重新的轻量化设计，即NLCNet网络，包括对网络尾部的SE模块进行了删除，并对深度可分离卷积进行了重新的堆叠，同时在网络尾部使用了大的卷积核，从而获取图像的全局信息；针对SAR目标的强散射特性，在骨干网络中设计了一种新的位置注意力机制，细节是在不同空间方向上，将SE模块的全局池化操作替换为两个一维池化操作，形成两个独立的分支，能够更好的在通道注意力中添加位置信息来抑制背景杂波，从而更加准确的识别和定位目标；该方法具有较快的检测速度和精度。
-
公开(公告)号：CN114565860B
公开(公告)日：2022-11-11
申请号：CN202210198708.7
申请日：2022-03-01
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了一种多维度增强学习合成孔径雷达图像目标检测方法，涉及目标检测技术领域，设计一种具有语义关系的复制粘贴进行数据增强的方法，对SAR目标样本进行语义扩充，提升样本量，降低模型过拟合，引入无锚框检测框架作为基准网络，降低模型的参数量和计算复杂度，提高推理速度；本发明提供的一种多维度增强学习合成孔径雷达图像目标检测方法，以无锚框目标检测框架CenterNet2作为基准，设计了一种特征增强轻量级骨干LWBackbone，降低模型的参数量同时有效提取SAR目标显著特征，并提出混合域注意力机制CNAM，有效抑制陆地复杂背景干扰，突出目标区域，利用感受野增强检测头模块RFEHead，设计不同空洞率卷积增强感受野，提升检测头的多尺度感知性能。
-
公开(公告)号：CN114529836B
公开(公告)日：2022-11-08
申请号：CN202210170355.X
申请日：2022-02-23
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供一种SAR图像目标检测方法，包括：为了解决SAR目标轮廓不清晰和多尺度问题，所述SAR图像目标检测网络的基准网络采用YOLOX网络，引入了无锚框的检测框架，在此基础上对其骨干网络进行了重新的轻量化设计，即NLCNet网络，包括对网络尾部的SE模块进行了删除，并对深度可分离卷积进行了重新的堆叠，同时在网络尾部使用了大的卷积核，从而获取图像的全局信息；针对SAR目标的强散射特性，在骨干网络中设计了一种新的位置注意力机制，细节是在不同空间方向上，将SE模块的全局池化操作替换为两个一维池化操作，形成两个独立的分支，能够更好的在通道注意力中添加位置信息来抑制背景杂波，从而更加准确的识别和定位目标；该方法具有较快的检测速度和精度。
-
公开(公告)号：CN114202696A
公开(公告)日：2022-03-18
申请号：CN202111534166.8
申请日：2021-12-15
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供了一种基于上下文视觉的SAR目标检测方法、装置和存储介质，属于目标检测领域，包括：获取SAR图像；将SAR图像输入目标检测模型中，目标检测模型对SAR图像中的目标物进行定位和识别，获得检测结果。本发明通过从上到下和从下到上的注意力增强双向多尺度连接操作，以指导动态注意力矩阵的学习，增强不同分辨率下的特征交互，促使模型能够更为精准的提取多尺度的目标特征信息，回归检测框和分类，抑制干扰背景信息，从而增强了视觉表示能力。在增加注意力增强模块的情况下，整个Neck几乎不增加参数量和计算量也能使检测性能得到极强的增益。
-
Patent Agency Ranking
公开(公告)号：CN114565860A
公开(公告)日：2022-05-31
申请号：CN202210198708.7
申请日：2022-03-01
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了一种多维度增强学习合成孔径雷达图像目标检测方法，涉及目标检测技术领域，设计一种具有语义关系的复制粘贴进行数据增强的方法，对SAR目标样本进行语义扩充，提升样本量，降低模型过拟合，引入无锚框检测框架作为基准网络，降低模型的参数量和计算复杂度，提高推理速度；本发明提供的一种多维度增强学习合成孔径雷达图像目标检测方法，以无锚框目标检测框架CenterNet2作为基准，设计了一种特征增强轻量级骨干LWBackbone，降低模型的参数量同时有效提取SAR目标显著特征，并提出混合域注意力机制CNAM，有效抑制陆地复杂背景干扰，突出目标区域，利用感受野增强检测头模块RFEHead，设计不同空洞率卷积增强感受野，提升检测头的多尺度感知性能。
-
公开(公告)号：CN115861841A
公开(公告)日：2023-03-28
申请号：CN202211573253.9
申请日：2022-12-08
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了一种结合轻量化大卷积核的SAR图像目标检测方法，属于SAR图像的目标检测技术领域。本发明提出了一种轻量化大卷积核层，在不断扩张感受野的同时，保证模型参数量和使用常规卷积核的模型相比有较大的缩减，这样既保证了检测精度，更使其因为轻量化的特性而方便布置在嵌入式设备上；改进了训练和测试策略，提出了训练时使用多分支模型，测试时采用单分支模型的策略，本发明设计的策略在训练时使用多分支模型可以通过较多的分支学习更多特征，在测试时采用单分支模型能有效减少多分支带来的调用内存的时间损耗。
-
公开(公告)号：CN115761511A
公开(公告)日：2023-03-07
申请号：CN202211572456.6
申请日：2022-12-08
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G06V20/10 , G06V20/70 , G06V10/774 , G06N5/02
Abstract: 本发明公开了一种结合高可信知识蒸馏的SAR图像目标检测方法，属于SAR图像目标检测技术领域，包括教师模型的训练、数据集的重新标注、学生模型的训练和学生模型的推理四个步骤。本发明将知识蒸馏的思想应用于SAR图像目标检测任务中，并且提出了一种标签复用机制，能直接保存教师模型产生的软标签，并在训练学生模型时再次使用该标签，不需要重复标注，节约时间成本；优化了蒸馏回归损失的计算公式，将原本以教师模型作为学习对象的策略改进为根据L2距离的大小选择学习对象，这样更有利于学习到更丰富的特征；提出了一种可以直接嵌入在非极大抑制后的预测框融合策略，该策略能够按照置信度的大小合理地优化预测框的边界，做到尽可能完整地覆盖目标。
-
公开(公告)号：CN111326844A
公开(公告)日：2020-06-23
申请号：CN202010122154.3
申请日：2020-02-25
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开一种微波和光学纳米的共口径一体化天线结构，包括微波天线、光学纳米天线和天线底座，微波天线和光学纳米天线均设置在天线底座上；微波天线包括若干板状的天线线阵，天线线阵设置在天线底座的上端面上，天线底座上设置有若干透光槽，光学纳米天线包括天线透镜、感光器件和光学成像装置，天线透镜对应透光槽设置；感光器件和光学成像装置设置在天线底座的下端面上，且感光器件位于光学纳米天线的聚焦处；本发明通过选择合适的微波天线及合理的结构设计，消除了两种天线对彼此性能的不良影响，在有效口径内实现了两种天线的一体化，打破了传统两种天线难以共口径一体化集成的现状，减小了占用空间，有很高的工程应用价值。
-
公开(公告)号：CN119089660A
公开(公告)日：2024-12-06
申请号：CN202411123547.0
申请日：2024-08-15
Applicant: 中国电子科技集团公司第三十八研究所
IPC: G06F30/20
Abstract: 本发明提供了一种基于近正交近均匀多因素2因子的实验方案设计方法，涉及实验设计技术领域。本发明的方法结合了正交实验方案设计方法和近正交拉丁超立方设计方法的优势，并简化了满足近正交性和近均匀性实验数据的设计过程，通过预先构建的满足近正交近均匀要求的多因素2因子离散变量近正交近均匀设计的基础表，当实验的枚举次数超过512次情况下，给出只需要512次、符合近正交近均匀的典型通用实验方案设计方案，覆盖多因素2因子枚举数据的全部特征。大大优化了实验方案设计工作，提高了实验方案设计的效率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.077 seconds)
