-
公开(公告)号：CN115546555B
公开(公告)日：2024-05-03
申请号：CN202211274361.6
申请日：2022-10-18
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 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法，属于SAR图像目标检测技术领域，包括以下步骤：构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型；将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中，输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet，从更加均衡的角度解决SAR图像舰船目标检测的问题，在大大减小参数量和计算量的同时，检测精度也得到一定保证和提升。
-
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：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：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。
-
Patent Agency Ranking
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：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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.116 seconds)
