公开(公告)号：CN119131400A

公开(公告)日：2024-12-13

申请号：CN202411293610.5

申请日：2024-09-14

Applicant: 杭州电子科技大学

Inventor： 王烨茹 ,  陈殿坤 ,  秦飞巍 ,  王昌淼 ,  葛瑞泉 ,  赵龙 ,  吴国华

IPC: G06V10/26 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开了一种基于多特征融合的红外小目标分割方法。本发明具体步骤如下：1、构建数据集；2、搭建红外小目标分割的ID‑UNet模型；ID‑UNet模型包括密集连接的UNet结构、ISFTE模块和残差注意力机制模块；3、引入全尺度深度监督；ID‑UNet模型在每个解码器级别直接由真实标注掩码进行监督，因此在每个解码器级别生成独立的侧输出，从而达到全面深度监督的目标。本发明通过密集连接多尺度特征和有效融合小目标特征，提高红外小目标分割任务的性能，该策略有助于模型全面学习和利用不同解码器级别的特征表示，增强小目标的总体感知和分割精度；通过这种全方位的深度监督机制，ID‑UNet可以更好地理解和捕获红外小目标的层次结构信息。

公开(公告)号：CN119131399A

公开(公告)日：2024-12-13

申请号：CN202411293603.5

申请日：2024-09-14

Applicant: 杭州电子科技大学

Inventor： 王烨茹 ,  陈殿坤 ,  秦飞巍 ,  赵龙 ,  吴国华

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0895 ,  G06N3/0464

Abstract: 本发明公开了一种基于弱监督的红外小目标分割方法。本发明输入仅是红外小目标图像和红外小目标边界框数据，最后输出结果为红外小目标图像中小目标的分割掩码。本发明包括模型预训练、模型加载、教师模型生成伪掩码、学生模型训练和双模型EMA，其中教师模型生成伪掩码、学生模型训练和双模型EMA需要重复多次迭代训练。本发明在使用弱监督损失PS‑Loss的基础上，引入了自适应学习率调整机制，根据模型在验证集上的表现动态调整学习率。在红外小目标弱监督训练过程中，采用基于EMA的策略，即指数移动平均。通过维护两个模型，一个用于训练，另一个用于获取红外小目标图像的微弱变化，成功地减少了训练中模型的不稳定性和波动。

公开(公告)号：CN115953664A

公开(公告)日：2023-04-11

申请号：CN202211741183.3

申请日：2022-12-31

Applicant: 杭州电子科技大学

Inventor： 葛瑞泉 ,  陈殿坤 ,  秦飞巍

IPC: G06V10/82 ,  G06V10/80 ,  G06V20/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于Transformer的红外弱小目标检测方法，红外弱小目标分割领域通常使用卷积神经网络模型局部提取图像特征，然后输出整个红外图的掩码图。本发明根据红外弱小目标需要全局建模的需求公开了一种通用的框架以实验红外弱小目标检测。首先预处理对输入图像进行优化彩色视频信号处理，接着使用Transformer进行全局特征提取并输出不同深度的特征，然后使用U型网络对这些特征进行特征融合和目标提取，最后经过一个1×1卷积层和Sigmoid函数对最后特征层进行特征融合生成检测图，再对检测图进行二值处理得到红外弱小目标检测的mask掩码图。本发明能够有效的理解红外弱小目标的背景信息并用来优化红外弱小目标特征，最后生成的mask掩码图能很好的检测红外弱小目标。