公开(公告)号：CN114663301B

公开(公告)日：2024-03-08

申请号：CN202210211459.0

申请日：2022-03-05

Applicant: 西北工业大学

Inventor： 邢颖慧 ,  张妍 ,  张秀伟 ,  尹翰林 ,  张蓬 ,  张艳宁 ,  王松

IPC: G06T5/73 ,  G06T5/10 ,  G06N3/0464 ,  G06N3/082

公开(公告)号：CN116071346B

公开(公告)日：2025-01-28

申请号：CN202310180587.8

申请日：2023-03-01

Applicant: 西北工业大学

Inventor： 邢颖慧 ,  张琪 ,  张秀伟 ,  尹翰林 ,  王松 ,  张艳宁

IPC: G06T7/00 ,  G06T5/70 ,  G06N3/048 ,  G06N3/09 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种异质双时图像变化检测方法及装置，本发明涉及图像变化检测技术领域，包括：利用双流编码器获取待检测的两张异质双时图像的映射到相同隐特征空间的第一隐空间特征图及先验变化图，根据两张第一隐空间特征图的逐像素位置差值的L2范数，确定变化差分图，根据变化差分图，确定第一伪标签图，利用前馈神经网络处理经过通道加权和通道维拼接后的第一隐空间特征图，获取初始变化概率图，根据初始变化概率图确定第二伪标签图，利用第二伪标签图替换先验变化图，迭代更新第二伪标签图。该方法以双时相图像在同一特征空间的编码为输入，以可靠的伪标签作为监督引导模型自主推理伪标签中不正确的区域，同时能有效抑制其中的噪斑。

公开(公告)号：CN118015342A

公开(公告)日：2024-05-10

申请号：CN202410077751.7

申请日：2024-01-19

Applicant: 西北工业大学

Inventor： 张艳宁 ,  邢颖慧 ,  王松 ,  杨朔 ,  牛智龙

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于原型网络动态平衡优化策略的多源目标检测方法，首先，在多源检测Transformer的基础上，额外引入了两个单模态检测分支，构成了三分支架构，并提出了跨模态全局最优的匈牙利匹配算法；然后，为了原型网络的应用，将耦合特征解耦为分类任务特征和定位任务特征；最后，应用基于原型网络的模态平衡优化策略来进行模型训练。本发明能够有效缓解多源目标检测任务中跨模态优化不平衡的问题。

公开(公告)号：CN116386081A

公开(公告)日：2023-07-04

申请号：CN202310181211.9

申请日：2023-03-01

Applicant: 西北工业大学

Inventor： 邢颖慧 ,  王松 ,  张秀伟 ,  尹翰林 ,  张妍 ,  张琪 ,  张艳宁

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于多模态图像的行人检测方法及系统，属于行人检测技术领域，方法包括：获取采集的多模态图像的多个第一特征图，在可变形检测Transformer模型编码器中输入多个所述第一特征图，获得多个第二特征图；在可变形检测Transformer模型的解码器中输入多个所述第二特征图，输出第二关键点群检测特征，在目标检测头中输入所述第二关键点群检测特征，输出行人检测类别以及行人的边界框，构建模型，在构建模型中输入采集的所述多模态图像，输出行人及行人的边界框。该方法可以减少先验知识的使用，增加模型可解释性的同时，有效提高了检测性能，并且加快了模型的收敛速度。

公开(公告)号：CN116071346A

公开(公告)日：2023-05-05

申请号：CN202310180587.8

申请日：2023-03-01

Applicant: 西北工业大学

Inventor： 邢颖慧 ,  张琪 ,  张秀伟 ,  尹翰林 ,  王松 ,  张艳宁

IPC: G06T7/00 ,  G06T5/00 ,  G06N3/048 ,  G06N3/09 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种异质双时图像变化检测方法及装置，本发明涉及图像变化检测技术领域，包括：利用双流编码器获取待检测的两张异质双时图像的映射到相同隐特征空间的第一隐空间特征图及先验变化图，根据两张第一隐空间特征图的逐像素位置差值的L2范数，确定变化差分图，根据变化差分图，确定第一伪标签图，利用前馈神经网络处理经过通道加权和通道维拼接后的第一隐空间特征图，获取初始变化概率图，根据初始变化概率图确定第二伪标签图，利用第二伪标签图替换先验变化图，迭代更新第二伪标签图。该方法以双时相图像在同一特征空间的编码为输入，以可靠的伪标签作为监督引导模型自主推理伪标签中不正确的区域，同时能有效抑制其中的噪斑。

公开(公告)号：CN114663301A

公开(公告)日：2022-06-24

申请号：CN202210211459.0

申请日：2022-03-05

Applicant: 西北工业大学

Inventor： 邢颖慧 ,  张妍 ,  张秀伟 ,  尹翰林 ,  张蓬 ,  张艳宁 ,  王松

IPC: G06T5/00 ,  G06T5/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于小波层的卷积神经网络全色锐化方法，以离散小波变换层和其逆变换层取代CNNs中上采样、下采样层。将MS与PAN分别送入不同的分支网络，先经过DWT层分解为低频、高频部分，再通过卷积层进行特征提取，重复两次，将得到的低频部分加权融合之后，经过卷积层得到的低频部分特征图，与相应高频部分经卷积层所得的特征图，一起输入IDWT层，再重复两次，最后一次反小波层输入的低频部分是上一层卷积的结果加上MS第一次通过小波层所得低频部分，如此可充分融合MS与PAN的高低频部分信息，最后经过一次卷积后得到融合结果。本发明的网络模型具有体积小、信息损失少的特点；同时提高了融合效率，保证了最终融合图像的高质量。