-
公开(公告)号：CN114519679A
公开(公告)日：2022-05-20
申请号：CN202210158438.7
申请日：2022-02-21
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目标图像数据智能增强方法，包括：输入待增强的SAR图像数据，确定需要生成图像的角度，对SAR图像数据进行旋转填充；构建高分辨率GAN模型，包括生成器和鉴别器；所述生成器依次包括：第一卷积层、多个密集连接的残差模块、第二卷积层、下采样层和第三卷积层；所述鉴别器包括四个序列模块；将旋转填充后的SAR图像数据输入到高分辨率GAN模型，进行重构，获得增强后的高分辨率SAR图像数据。用此智能数据增强的方法，可以扩充Mstar等一些数据量较少的SAR目标数据集，提高分类的精度。也可以用于扩充SSDD等目标检测常用的数据集，提高检测的精度。
-
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：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：CN119006930B
公开(公告)日：2025-02-11
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：CN117115170B
公开(公告)日：2024-01-12
申请号：CN202311385351.4
申请日：2023-10-25
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06T7/00 , G06N3/088 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种无监督域自适应SAR舰船检测方法及系统，包括以下步骤：获取光学舰船图像和SAR舰船图像；构建UDA‑SARDet模型；将所述光学舰船图像和所述SAR舰船图像作为所述UDA‑SARDet模型的输入数据进行训练与测试；利用通过测试的所述UDA‑SARDet模型完成对SAR图像舰船检测。本发明使用未标注的SAR舰船图像和现有的已标注的光学数据集，高效完成SAR图像的舰船检测任务。同时设计全新的网络模型结构和IoU损失函数，解决了SAR图像舰船目标多尺度、特征少、信息容易丢失等问题，提升了模型的检测性能。
-
Patent Agency Ranking
公开(公告)号：CN114519679B
公开(公告)日：2022-10-21
申请号：CN202210158438.7
申请日：2022-02-21
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目标图像数据智能增强方法，包括：输入待增强的SAR图像数据，确定需要生成图像的角度，对SAR图像数据进行旋转填充；构建高分辨率GAN模型，包括生成器和鉴别器；所述生成器依次包括：第一卷积层、多个密集连接的残差模块、第二卷积层、上采样层和第三卷积层；所述鉴别器包括四个序列模块；将旋转填充后的SAR图像数据输入到高分辨率GAN模型，进行重构，获得增强后的高分辨率SAR图像数据。用此智能数据增强的方法，可以扩充Mstar等一些数据量较少的SAR目标数据集，提高分类的精度。也可以用于扩充SSDD等目标检测常用的数据集，提高检测的精度。
-
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：CN117115170A
公开(公告)日：2023-11-24
申请号：CN202311385351.4
申请日：2023-10-25
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06T7/00 , G06N3/088 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种无监督域自适应SAR舰船检测方法及系统，包括以下步骤：获取光学舰船图像和SAR舰船图像；构建UDA‑SARDet模型；将所述光学舰船图像和所述SAR舰船图像作为所述UDA‑SARDet模型的输入数据进行训练与测试；利用通过测试的所述UDA‑SARDet模型完成对SAR图像舰船检测。本发明使用未标注的SAR舰船图像和现有的已标注的光学数据集，高效完成SAR图像的舰船检测任务。同时设计全新的网络模型结构和IoU损失函数，解决了SAR图像舰船目标多尺度、特征少、信息容易丢失等问题，提升了模型的检测性能。
-
公开(公告)号：CN119295785A
公开(公告)日：2025-01-10
申请号：CN202411445417.9
申请日：2024-10-16
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了一种基于角度及距离哈希映射的多时相图像匹配方法，属于多时相图像匹配技术领域，包括以下步骤：S1：获取基准图像及待匹配图像的特征点集合；S2：获取基准图像及待匹配图像的特征描述子；S3：基准图像与待匹配图像间的粗匹配；S4：基准图像与待匹配图像间的精匹配。本发明通过对SIFT的特征描述子进行改进，并在描述子匹配阶段引入角度及距离的哈希映射约束，使得多时相图像匹配结果更加精确。
-
公开(公告)号：CN114067130A
公开(公告)日：2022-02-18
申请号：CN202111338334.6
申请日：2021-11-12
Applicant: 中国电子科技集团公司第三十八研究所
Abstract: 本发明提供一种用于机载光电图像模板匹配的特征点提取方法，包括：首先对输入的图像，根据原始图像透视成像参数，进行反透视变换处理和透视变换处理，得到新的不同视角下的图像；然后，遍历每一幅变换图，进行点特征计算。依次计算SIFT特征点和特征矢量，计算FAST特征点和特征矢量；同时，将梯度角度图的角度值加π后，进行特征点矢量计算；最后，将所有循环的特征点进行合并输出，供后续匹配使用。本发明能够很好解决大视角差图像变换导致点特征不匹配、不同纹理场景的特征点提取数量不均、因灰度反转导致特征点方向和特征矢量提取不匹配等问题。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.127 seconds)
