公开(公告)号：CN118311658A

公开(公告)日：2024-07-09

申请号：CN202410440519.5

申请日：2024-04-12

Applicant: 无锡学院

Inventor： 陈昕 ,  单慧琳 ,  戴佳慧 ,  雷翰泉 ,  王兴涛 ,  庞树豪 ,  马骏

IPC: G01V1/28 ,  G01V1/30 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了基于交互式特征融合的三维断层识别方法，具体为：获取三维断层数据集，每个三维断层数据均包括一个三维合成地震数据及对应的断层标签；采用数据增强方式对三维断层数据集进行扩充，将扩充后的数据集划分为训练集和验证集；构建交互式特征融合神经网络，并进行训练和验证，得到训练好的交互式特征融合神经网络，即三维断层识别网络；交互式特征融合神经网络包括编码器、解码器以及将编码器和解码器连接起来的交互式特征融合层，交互式特征融合层的层数由编码器和解码器的层数决定，每一层交互式特征融合层均由交互式特征融合块构成；利用三维断层识别网络对待识别的三维断层数据进行语义分割推理，得到断层识别结果。

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

Inventor： 胡宇翔 ,  单慧琳 ,  马陈悦 ,  孟祥源 ,  陈昕 ,  段修贤 ,  陈前杭

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：CN117975252A

公开(公告)日：2024-05-03

申请号：CN202410157270.7

申请日：2024-02-04

Applicant: 无锡学院

Inventor： 陈戈 ,  张银胜 ,  张培琰 ,  李长帅 ,  孟祥源 ,  陈昕

IPC: G06V20/05 ,  G06V10/20 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/94

Abstract: 本发明公开了一种基于增强局部特征的水下目标检测方法，包括步骤如下：S1，获取URPC水下图像数据集，对数据集进行预处理后，按照设定的比例划分为训练集和验证集；S2，搭建增强局部特征网络，所述增强局部特征网络包括提取特征模块、融合特征模块和检测头模块；目标图像经增强处理后的特征图像输入提取特征模块进行特征提取，再经过融合特征模块进行融合增强，最后经过检测头模块完成对图像目标的检测；S3，将经过预处理的训练集和验证集输入至增强局部特征网络中进行训练和验证，获取最佳的检测模型；S4，采用步骤S3得到的最佳模型对水下图像进行目标检测。本发明能够有效减少光照昏暗场景下目标出现局部特征丢失的现象。

公开(公告)号：CN117523394A

公开(公告)日：2024-02-06

申请号：CN202311486178.7

申请日：2023-11-09

Applicant: 无锡学院

Inventor： 刘文星 ,  单慧琳 ,  陈昕 ,  王兴涛 ,  马陈悦 ,  张雁晧 ,  李长帅

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明公开了一种基于聚合特征增强网络的SAR船舰检测方法，包括步骤如下：S1，获取SAR图像数据集，对SAR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SAR船舰检测网络，所述SAR船舰检测网络包括依次连接的主干网络、Neck网络、探测头部分，其中主干网络和Neck网络协同处理特征图；S3，将训练集和验证集输入SAR船舰检测网络中训练，计算CIOU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：CN119205581A

公开(公告)日：2024-12-27

申请号：CN202411697443.0

申请日：2024-11-26

Applicant: 无锡学院

Inventor： 张银胜 ,  童俊毅 ,  单慧琳 ,  陈昕 ,  吴心悦 ,  高润泽

IPC: G06T5/77 ,  G06N3/0455 ,  G06N3/0464 ,  G06T5/60

Abstract: 本发明公开了基于局部‑全局特征增强的合成孔径光学图像复原方法，包括：获取合成孔径光学图像数据集并仿真退化，得到仿真退化数据集，进而划分得到训练、验证和测试集；构建合成孔径光学图像复原网络；将训练和验证集输入合成孔径光学图像复原网络中进行训练，计算损失函数并进行反向传播，更新网络参数，获取训练好的最佳参数模型；将测试集输入训练好的最佳参数模型中，得到合成孔径光学复原图像。本发明利用LAG‑Transformer层对提取特征序列进行全局信息关注，减少序列长度，提取高级语义信息，利用GRM‑Convolution层、ASFE层关注特征的局部信息，弥补了Transformer对局部信息捕捉能力的不足。

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

Inventor： 陈昕 ,  单慧琳 ,  张银胜 ,  胡宇翔 ,  王冬冬 ,  王学伟 ,  吴梓杰

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：CN117058166A

公开(公告)日：2023-11-14

申请号：CN202310910817.1

申请日：2023-07-24

Applicant: 无锡学院

Inventor： 吉茹 ,  张银胜 ,  陈昕 ,  段修贤 ,  陈前杭 ,  杨宇龙 ,  周乐佳 ,  单梦姣

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于双路径结构的遥感图像实时语义分割算法，包括如下步骤：S1，获取Potsdam和GID‑15遥感图像数据集并进行预处理后，分别按照设定的比例划分为训练集、验证集和测试集；S2，搭建基于双路径结构的遥感图像实时语义分割网络，包括空间路径、上下文路径和双路径特征聚合部分；S3，将经过预处理的训练集和验证集的遥感图像数据集输入至遥感图像实时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，获取满足要求的模型并保存该模型；S4，将经过预处理的测试集输入到步骤S3中得到的模型中，输出遥感图像的精确分割。本发明提高了语义特征提取的丰富性和有效性，同时提升分割精度。

公开(公告)号：CN119229096A

公开(公告)日：2024-12-31

申请号：CN202411721505.7

申请日：2024-11-28

Applicant: 无锡学院

Inventor： 单慧琳 ,  王硕洋 ,  张银胜 ,  陈昕 ,  苏睿杰 ,  迟荣华

IPC: G06V10/25 ,  G06N3/0464 ,  G06N3/048 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70

Abstract: 本发明公开了基于目标特征增强多尺度融合网络的遥感目标检测方法，通过构建多层特征聚合模块作为主要特征提取模块，更好地提取各类别的目标特征；构建多通道特征融合模块，减少网络层参数量，采用跨阶段层次结构设计MCFCSP模块，实现更丰富的梯度组合和特征表达，加强网络特征融合能力；通过采用采用自顶向下和自底向上的特征融合策略，促进不同层次特征之间的信息交互；构建分数阶傅里叶变换卷积，根据小目标的特点和场景的变化调整参数，来适应不同类型、不同尺寸和不同复杂度的小目标。本发明提出的方法具备检测精度高、计算复杂度低、特征表示能力强等特点，能有效提高小目标的检测精度，进一步改善遥感图像小目标检测性能。

公开(公告)号：CN118314434A

公开(公告)日：2024-07-09

申请号：CN202410257888.0

申请日：2024-03-07

Applicant: 无锡学院

Inventor： 王硕洋 ,  单慧琳 ,  段修贤 ,  陈前杭 ,  李长帅 ,  张雁晧 ,  陈昕

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/40 ,  G06N3/0464

Abstract: 本发明公开了一种遥感图像目标检测方法，包括：收集遥感图像数据集，对数据集进行标注，制作YOLO格式的遥感图像数据集，并划分为训练集和测试集；搭建基于增强感受野的多尺度神经网络，主要由输入端口、主干网络、颈部网络和检测头四个部分构成，其中主干网络和颈部网络构成增强小目标特征的多尺度神经网络的主模块；将训练集的遥感图像输入至增强感受野的多尺度神经网络中进行训练和验证，获取最佳的检测模型；利用经过训练和验证的最佳模型对测试集进行目标检测。本发明提供一种增强感受野的多尺度遥感图像目标检测方法，解决了现阶段遥感图像目标检测算法存在的问题。

公开(公告)号：CN118229558A

公开(公告)日：2024-06-21

申请号：CN202410348306.X

申请日：2024-03-26

Applicant: 无锡学院

Inventor： 张培琰 ,  单慧琳 ,  陈前杭 ,  段修贤 ,  陈昕 ,  毕道琪

IPC: G06T5/60 ,  G06T5/70 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06N3/082 ,  G06N3/048

Abstract: 本发明公开了一种基于改进的生成对抗网络的心脏图像去噪方法，具体为：步骤1：获取心脏清晰图像数据集与噪声数据集；步骤2：搭建心脏噪声图像处理模型，该模型为引用PRIDnet模块的生成对抗网络；骤3：采用步骤1中的数据集输入至心脏噪声图像处理模型进行训练；步骤4：采用训练好的心脏噪声图像处理模型对心脏图像进行去噪处理。在提高去噪质量的同时减少了生成对抗网络产生的模型过拟合。同时，减少了模型的运算时间，以达到实时去噪的目的。