公开(公告)号：CN119672517A

公开(公告)日：2025-03-21

申请号：CN202411633009.6

申请日：2024-11-15

Applicant: 桂林电子科技大学 ,  东北林业大学

Inventor： 刘壮 ,  张冬妍 ,  周宏威 ,  赵雪梅

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于改进YOLO对梢斑螟森林病害程度检测方法，通过无人机获取自制梢斑螟虫蛀图像数据集预处理及分类，再将分类后的训练集和验证集输入到YOLOv7网络模型中进行训练和验证，添加CloFormer注意力增强局部特征模块、增加分类对比损失函数Focal Loss和小目标检测损失函数NWD(NormalizedWasserstein Distance)替换现YOLOv7网络模型中的损失函数，得到改进网络模型，基于训练集和验证集对改进网络模型进行模型训练，得到优化后的最终YOLO网络模型；利用最终YOLO网络模型对梢斑螟虫蛀数据集进行检测。经实验证明，本发明在各种光照条件下均能保持高精度检测，使YOLOv7模型在识别梢斑螟虫蛀树木方面达到了更高的准确度，有效解决了漏检问题。

公开(公告)号：CN116563559A

公开(公告)日：2023-08-08

申请号：CN202310510210.4

申请日：2023-05-08

Applicant: 桂林电子科技大学

Inventor： 赵雪梅 ,  刘全 ,  刘壮

IPC: G06V10/40 ,  G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/74

Abstract: 本申请公开了一种用于区分前景与背景的目标检测方法及系统，其中方法步骤包括：基于多尺度特征融合，提取待检测目标的前景特征图和背景特征图；对前景特征图和背景特征图进行增强，得到第一前景特征图和第一背景特征图；基于第一前景特征图，生成预测框；利用预测框和第一前景特征图，计算前景特征向量；利用第一背景特征图，计算背景特征向量；利用真实框和第一前景特征图，计算真实特征向量；基于前景特征向量、背景特征向量、真实特征向量和预测框，构建对比损失函数、前景显著性引导损失函数和预测框损失函数；结合对比损失函数、前景显著性引导损失函数和预测框损失函数，提高目标的前景与背景的区分度，完成目标检测。