公开(公告)号：CN114612742A

公开(公告)日：2022-06-10

申请号：CN202210233188.9

申请日：2022-03-09

Applicant: 山东大学

Inventor： 张伟 ,  刘敬贺 ,  李晓磊 ,  鲁威志 ,  宋然 ,  程吉禹 ,  荣学文

IPC: G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种输电线路小目标缺陷检测的方法及系统，包括：获取输电线路图像数据并进行预处理；将预处理后的图像数据输入至训练好的第一阶段目标检测模型，得到包含目标对象的多个关键区域，将得到的关键区域按照设定的原则重新组合排列，形成新的图像；将新的图像输入至训练好的第二阶段目标检测模型，得到目标缺陷识别结果。本发明通过第一阶段目标检测模型先定位到关键区域，并将关键区域按照一定的规律进行重新提取并按比例重新分配位置；由于保留了原始图像的像素信息，因此不存在信息的缺失，为第二阶段的检测提供了非常好的样本。

公开(公告)号：CN114821237B

公开(公告)日：2025-05-02

申请号：CN202210485344.0

申请日：2022-05-06

Applicant: 山东大学

Inventor： 张伟 ,  张倩 ,  宋然 ,  张明鑫 ,  刘敬贺 ,  贺玄煜

IPC: G06V10/774 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明属于船舶再识别技术领域，尤其涉及一种基于多级对比学习的无监督船舶再识别方法及系统。该方法包括，获取训练船舶图像，生成训练船舶图像的伪标签，并对训练船舶图像进行增强，得到增强图像；采用特征提取网络提取增强图像的增强图像特征，基于增强图像特征及伪标签，对特征提取网络进行训练；获取查询船舶图像，利用训练好的特征提取网络提取查询船舶图像特征，基于查询船舶图像特征，检索得到备选船舶图像集中与所述查询船舶图像属于同一船舶的图像。本发明通过结合实例级对比学习和聚类级对比学习，在无需任何记忆块的情况下以无监督的方式学习具有辨识性的船舶特征，进而提升船舶再识别任务准确率。

公开(公告)号：CN114612742B

公开(公告)日：2024-08-02

申请号：CN202210233188.9

申请日：2022-03-09

Applicant: 山东大学

Inventor： 张伟 ,  刘敬贺 ,  李晓磊 ,  鲁威志 ,  宋然 ,  程吉禹 ,  荣学文

IPC: G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种输电线路小目标缺陷检测的方法及系统，包括：获取输电线路图像数据并进行预处理；将预处理后的图像数据输入至训练好的第一阶段目标检测模型，得到包含目标对象的多个关键区域，将得到的关键区域按照设定的原则重新组合排列，形成新的图像；将新的图像输入至训练好的第二阶段目标检测模型，得到目标缺陷识别结果。本发明通过第一阶段目标检测模型先定位到关键区域，并将关键区域按照一定的规律进行重新提取并按比例重新分配位置；由于保留了原始图像的像素信息，因此不存在信息的缺失，为第二阶段的检测提供了非常好的样本。

公开(公告)号：CN114821237A

公开(公告)日：2022-07-29

申请号：CN202210485344.0

申请日：2022-05-06

Applicant: 山东大学

Inventor： 张伟 ,  张倩 ,  宋然 ,  张明鑫 ,  刘敬贺 ,  贺玄煜

IPC: G06V10/774 ,  G06V10/762 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于船舶再识别技术领域，尤其涉及一种基于多级对比学习的无监督船舶再识别方法及系统。该方法包括，获取训练船舶图像，生成训练船舶图像的伪标签，并对训练船舶图像进行增强，得到增强图像；采用特征提取网络提取增强图像的增强图像特征，基于增强图像特征及伪标签，对特征提取网络进行训练；获取查询船舶图像，利用训练好的特征提取网络提取查询船舶图像特征，基于查询船舶图像特征，检索得到备选船舶图像集中与所述查询船舶图像属于同一船舶的图像。本发明通过结合实例级对比学习和聚类级对比学习，在无需任何记忆块的情况下以无监督的方式学习具有辨识性的船舶特征，进而提升船舶再识别任务准确率。