公开(公告)号：CN118379484B

公开(公告)日：2024-10-18

申请号：CN202410788932.0

申请日：2024-06-19

Applicant: 西北工业大学

Inventor： 张艳宁 ,  孔德璇 ,  张世周 ,  邢颖慧 ,  路悦 ,  冉令燕 ,  梁国强 ,  席庆彪

IPC: G06V10/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/44 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供了一种基于频率指导空间自适应的伪装目标检测方法，通过设计适配器从频域的角度提取和增强细节信息，使模型更加准确地捕捉伪装目标的精细特征。首先是频率引导的空间注意力模块，该模块通过动态调整频率分量使注意力更多地集中于伪装目标。在第一个模块的基础上又设计得到另外两个模块，即基于频率的细微差异挖掘模块和基于频率的特征增强模块，两者共同构成适配器，负责细微特征的提取和增强。本发明结合了来自视觉基础模型的通用知识和从下游COD任务中学到的特定任务知识，通过在频域空间自适应调整频率分量，来引导预训练基础模型在空间域更多地关注到伪装目标，在四个广泛采用的COD基准数据集上实现了最先进的性能。

公开(公告)号：CN116524183A

公开(公告)日：2023-08-01

申请号：CN202310401697.2

申请日：2023-04-16

Applicant: 西北工业大学

Inventor： 张艳宁 ,  孔德璇 ,  张世周 ,  邢颖慧 ,  梁国强 ,  王鹏

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/096

Abstract: 本发明涉及一种基于多任务适配器微调的伪装目标检测方法，提出了一种了“预训练、适应和检测”框架来检测伪装物体，通过在各种任务上学习更加广泛的知识，使其面对伪装物体的欺骗更加“智能”。具体而言，首先利用大规模的多模态数据对基础模型进行预训练，然后并行插入一个轻量级适配器，使预先训练好的模型适应于下游任务。在获得更精细的特征图后，使用COD检测头精确检测像素级伪装目标。本发明进一步提供了跨任务学习适配器的多任务学习方案，通过对源任务的多任务适配器初始化和对目标任务的多任务适配器自适应，可以学习不同语义类别间的共享知识，从而提高模型的泛化能力。

公开(公告)号：CN119540778A

公开(公告)日：2025-02-28

申请号：CN202411957098.X

申请日：2024-12-29

Applicant: 西北工业大学

Inventor： 张艳宁 ,  李晴旖 ,  邢颖慧 ,  张秀伟 ,  张世周 ,  孔德璇

IPC: G06V20/10 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06V10/44 ,  G06V10/58 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提供了一种基于半监督CNN‑Transformer混合模型的多源地物分类方法，提出了一种基于transformer和卷积的半监督地物分类模型，充分利用两种骨干网络的优势，生成具有高置信度的伪标签，辅助网络进行训练，据此提出的新模型在总体准确度、平均准确度和Kappa系数上都取得了较好的实验结果，在模块中设计了多层特征融合策略，将浅层与深层特征拼接后进行融合，利用门控网络实现了不同模态特征之间的充分融合，剔除掉相似度较高的模态冗余信息，提升了模型对模态特定信息的利用效率，对模型性能的提升做出了明显的贡献。

公开(公告)号：CN118379484A

公开(公告)日：2024-07-23

申请号：CN202410788932.0

申请日：2024-06-19

Applicant: 西北工业大学

Inventor： 张艳宁 ,  孔德璇 ,  张世周 ,  邢颖慧 ,  路悦 ,  冉令燕 ,  梁国强 ,  席庆彪

IPC: G06V10/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/44 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供了一种基于频率指导空间自适应的伪装目标检测方法，通过设计适配器从频域的角度提取和增强细节信息，使模型更加准确地捕捉伪装目标的精细特征。首先是频率引导的空间注意力模块，该模块通过动态调整频率分量使注意力更多地集中于伪装目标。在第一个模块的基础上又设计得到另外两个模块，即基于频率的细微差异挖掘模块和基于频率的特征增强模块，两者共同构成适配器，负责细微特征的提取和增强。本发明结合了来自视觉基础模型的通用知识和从下游COD任务中学到的特定任务知识，通过在频域空间自适应调整频率分量，来引导预训练基础模型在空间域更多地关注到伪装目标，在四个广泛采用的COD基准数据集上实现了最先进的性能。