-
公开(公告)号：CN118884439A
公开(公告)日：2024-11-01
申请号：CN202411375836.X
申请日：2024-09-30
Applicant: 无锡学院
IPC: G01S13/90 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于多尺度特征提取与FRFT卷积的SAR船舰检测方法，包括：获取SSDD合成孔径雷达图像数据集及HRSID数据集，对数据集进行预处理后划分为训练集、验证集和测试集；搭建基于多尺度特征提取与FRFT卷积网络，包括输入端、主干网络、Neck网络和探测头部分，主干网络和Neck网络协同处理特征；将经过预处理的训练集和验证集的SAR图像输入至MEFTNet网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型；将经过预处理的测试集输入到训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能更好的获取船舰特征，降低检测的误检率，提高检测的准确率以及各种场景下的适应效果。
-
公开(公告)号：CN116310699A
公开(公告)日：2023-06-23
申请号：CN202211106095.6
申请日：2022-09-09
Applicant: 无锡学院
IPC: G06V10/82 , G06V10/20 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于改进YOLOv3的目标检测方法，包括步骤：S1，选择图像数据集；S2，使用灰度化、二值化、透视变换与边缘分割对图像进行预处理，并对图像进行缩放处理；S3，将预处理后的图像放入MobileNetV2Plus主干网络进行信息提取；S4，选择三个不同大小的特征图作为预测输入，进入特征融合层；并对三个不同大小的特征图进行上采样以及拼接，再进行卷积，分别输入给大、中、小三个不同先验框的输出层；S5，对特征融合层输入的三个不同通道数的特征图，再次进行卷积，得到分类后的特征图，生成三个不同维度大小的先验框。本发明只采用1*1卷积核，降低了计算维度，加快了识别的速度。
-
公开(公告)号：CN118196496A
公开(公告)日：2024-06-14
申请号：CN202410304277.7
申请日：2024-03-18
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/82 , G06V10/52 , G06V10/10 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于多尺度特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SSDD合成孔径雷达图像数据集以及HRSID数据集，对数据集进行预处理后按照设定的比例划分为训练集、验证集和测试集；S2，搭建多尺度特征增强网络；S3，将步骤S1中经过预处理的训练集和验证集的SAR图像输入至多尺度特征增强网络中训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型并保存；S4，将步骤S1中经过预处理的测试集输入到步骤S3中训练好的最佳参数模型中，输出SAR图像的精确识别图。本发明能有效应对合成孔径雷达船舰检测中存在的问题，并提供高精度的检测方法。
-
公开(公告)号：CN119942092A
公开(公告)日：2025-05-06
申请号：CN202510421867.2
申请日：2025-04-07
Applicant: 无锡学院
IPC: G06V10/25 , G06N3/0464 , G06N3/084 , G06V10/20 , G06V10/774 , G06V10/776 , G06V10/82 , G06V20/10
Abstract: 本发明公开了基于WSSRNet的SAR图像船舰小目标检测方法，包括：获取SAR船舰图像数据集并进行预处理；搭建基于WSSRNet的SAR图像船舰检测网络；将训练和验证集输入网络中进行训练，计算损失函数并进行反向传播，得到训练好的最佳参数网络；将测试集输入训练好的最佳参数网络中，输出SAR船舰图像的船舰检测图。本发明通过构建多尺度小波卷积残差模块增强小目标上下文特征提取能力，设计浅层跳跃残差结构提升空间定位精度，并结合形状自适应的边界框回归策略，有效解决SAR图像中船舰小目标因散射效应、噪声干扰导致的漏检与定位偏差问题，在保障实时检测效率的同时显著提升密集场景下小目标的召回率与检测精度。
-
公开(公告)号：CN117351372A
公开(公告)日：2024-01-05
申请号：CN202311418100.1
申请日：2023-10-30
Applicant: 无锡学院
IPC: G06V20/13 , G06V20/56 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/045
Abstract: 本发明公开了一种基于改进DeeplabV3+的遥感图像道路分割方法，包括步骤：S1，获取遥感道路图像数据集，对数据集进行预处理后按照设定的比例划分为训练集和测试集；S2，通过构建基于改进DeeplabV3+的遥感图像道路分割网络，得到精准的遥感道路分割图；S3，将步骤S1中得到的训练集输入至遥感道路图像语义分割网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将步骤S1中得到测试集输入到步骤S3中训练好的最佳参数模型中，输出遥感道路图像的精确分割图。本发明能提升对小目标物体的分割能力，解决道路分割中边界模糊和阴影遮挡难以区分的问题，确保道路分割的精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN118365879A
公开(公告)日：2024-07-19
申请号：CN202410460551.X
申请日：2024-04-17
Applicant: 无锡学院
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/82 , G06V20/13 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于场景感知类关注的异构遥感图像分割方法，具体为：获取遥感图像数据集并进行预处理后，划分为训练集、验证集和测试集；构建基于场景感知类关注的异构遥感图像语义分割网络，该网络为编解码结构，编码模块包括双分支特征提取模块、CA融合模块、主干网络和层级感知网络，解码模块包括多尺度聚合模块和多级上采样模块；对分割网络进行训练和验证，计算损失函数并进行反向传播，更新网络参数，得到最佳参数网络；利用最佳参数网络对测试集进行测试，得到遥感图像分割结果。本发明能更好的融合多种模态的数据特征，嵌入像素的场景感知来实现将像素级别的局部特征与整体图像的全局上下文联系起来，显著改善遥感图像的分割性能。
-
公开(公告)号：CN118212523A
公开(公告)日：2024-06-18
申请号：CN202410339258.8
申请日：2024-03-25
Applicant: 无锡学院
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了基于深度融合优化特征增强网络的SAR图像船舰检测方法，包括：获取SAR遥感船舰图像数据集，对数据集进行预处理并划分；构建基于深度融合优化特征增强网络模型，作为遥感船舰图像目标检测网络；利用训练集和验证集对构建的遥感船舰图像目标检测网络进行训练和验证，计算损失函数并进行反向传播，更新网络参数，直至得到最佳参数网络；利用最佳参数网络对测试集进行测试，得到目标检测结果。本发明通过融合多尺度特征，更加关注局部信息及上下文相关性，保留目标的位置和边界信息，解决了船舰检测中目标与海洋背景的复杂交互、目标与海浪等相似纹理及遥感图像中的边界模糊和阴影遮挡等问题，提高SAR遥感图像船舰检测的精度和效率。
-
公开(公告)号：CN117809200A
公开(公告)日：2024-04-02
申请号：CN202410086347.6
申请日：2024-01-22
Applicant: 无锡学院
IPC: G06V20/13 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于增强小目标特征提取的多尺度遥感图像目标检测方法，包括步骤如下：S1，收集高分辨率遥感图像，对图像进行标注，并将数据集划分为训练集和测试集；S2，构建增强小目标特征多尺度神经网络ESF‑MNet；S3，采用Mish激活函数保留梯度信息，提高学习能力，并使用归一化Wasserstein距离作为损失函数中小目标检测的评价指标；S4，将步骤S1得到的训练集输入到多尺度神经网络ESF‑MNet中进行训练、测试，获得参数模型；将测试集输入获得的模型，输出遥感图像目标检测效果图。本发明通过融合深层语义信息和空间信息，实现增强语义特征和对小目标的检测能力。
-
公开(公告)号：CN115984701A
公开(公告)日：2023-04-18
申请号：CN202310071730.X
申请日：2023-02-07
Applicant: 无锡学院
IPC: G06V20/10 , G06V10/26 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于编解码结构的多模态遥感图像语义分割方法，包括步骤如下：S1，获取包含可见光图像、DSM图像和标签图的遥感图像数据集，对遥感图像数据集进行预处理后，按照设定的比例划分为训练集、验证集和测试集；S2，搭建基于编解码结构的多模态遥感图像语义分割网络；S3，将训练集和验证集输入至多模态遥感图像语义分割网络中训练，计算交叉熵损失函数并进行反向传播，更新网络参数，获取最佳参数模型；S4，将测试集输入到训练好的最佳参数模型中，输出遥感图像的精确分割图。本发明能实现上采样信息充分恢复，提高遥感图像分割准确率。
-
公开(公告)号：CN219748005U
公开(公告)日：2023-09-26
申请号：CN202320880915.0
申请日：2023-04-18
Applicant: 无锡学院
Abstract: 本实用新型提供一种用于驿站快递摆放的装置，属于快递摆放技术领域；包括快递存放仓、机械臂、连接部、抓手部和控制模块，机械臂底端与快递存放仓开口端连接，机械臂顶端与连接部连接，抓手部与连接部活动连接，控制模块用于控制机械臂驱动抓手部将位于快递存放仓内的快递取出摆放至快递货架。通过快递存放仓与抓取摆放装置的结合，将一定量的快递进行批次的转移至快递货架旁，再由机械臂带动抓手部进行快递的取出进行逐个摆放，能够一次性处理较多快递，减少装置的移动里程，提高工作效率；快递的存放均设置在快递存放仓内进行，减少占地面积，取出方便。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.026 seconds)
