公开(公告)号：CN114882205B

公开(公告)日：2024-12-17

申请号：CN202210339874.4

申请日：2022-04-01

Applicant: 西安电子科技大学 ,  陕西方寸积慧智能科技有限公司

Inventor： 李超 ,  张文博 ,  姬红兵 ,  张靖宇 ,  朱隽洋

IPC: G06V10/22 ,  G06V10/25 ,  G06V10/28 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于注意力机制的目标检测方法，主要解决现有目标检测方法网络复杂、速度不快和在复杂背景下检测效果差的问题。本发明的具体步骤如下：(1)构建积神经网络；(2)生成目标训练集；(3)训练卷积神经网络；(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、注意力机制模块、特征增强模块、识别和定位模块组成的卷积神经网络，克服了现有目标检测方法中在复杂背景下目标检测效果差并且速度慢的问题，使得本发明能够实时检测复杂背景下的目标。

公开(公告)号：CN115115973B

公开(公告)日：2024-12-03

申请号：CN202210630725.3

申请日：2022-06-06

Applicant: 西安电子科技大学

Inventor： 陈照东 ,  姬红兵 ,  张文博 ,  张靖宇 ,  刘东

IPC: G06V20/40 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 一种基于多感受野和深度卷积神经网络的弱小目标检测方法。首先通过机载或车载摄像头获取序列图像；然后使用多感受野特征提取算法对每一帧图像进行特征提取，在不增加参数量的情况下获得混合感受野特征；随后将混合感受野特征送入深度卷积神经网络进行深度特征提取；接着使用多感受野特征聚合算法对深度特征进行不同范围上下文信息的提取与整合，输出一组多感受野聚合特征；再将感受野聚合特征送入改进的路径聚合网络进行多尺度融合，输出一组深度融合特征；最后对深度融合特征分别进行弱小目标框位置的回归和类别的判定。本发明可准确检测出图像或视频中的弱小目标并正确分类，为后续弱小目标检测与识别领域的研究提供支持。

公开(公告)号：CN114882205A

公开(公告)日：2022-08-09

申请号：CN202210339874.4

申请日：2022-04-01

Applicant: 西安电子科技大学 ,  陕西方寸积慧智能科技有限公司

Inventor： 李超 ,  张文博 ,  姬红兵 ,  张靖宇 ,  朱隽洋

IPC: G06V10/22 ,  G06V10/25 ,  G06V10/28 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的目标检测方法，主要解决现有目标检测方法网络复杂、速度不快和在复杂背景下检测效果差的问题。本发明的具体步骤如下：(1)构建积神经网络；(2)生成目标训练集；(3)训练卷积神经网络；(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、注意力机制模块、特征增强模块、识别和定位模块组成的卷积神经网络，克服了现有目标检测方法中在复杂背景下目标检测效果差并且速度慢的问题，使得本发明能够实时检测复杂背景下的目标。

公开(公告)号：CN115115973A

公开(公告)日：2022-09-27

申请号：CN202210630725.3

申请日：2022-06-06

Applicant: 西安电子科技大学

Inventor： 陈照东 ,  姬红兵 ,  张文博 ,  张靖宇 ,  刘东

IPC: G06V20/40 ,  G06N3/04 ,  G06N3/08 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82

Abstract: 一种基于多感受野和深度卷积神经网络的弱小目标检测方法。首先通过机载或车载摄像头获取序列图像；然后使用多感受野特征提取算法对每一帧图像进行特征提取，在不增加参数量的情况下获得混合感受野特征；随后将混合感受野特征送入深度卷积神经网络进行深度特征提取；接着使用多感受野特征聚合算法对深度特征进行不同范围上下文信息的提取与整合，输出一组多感受野聚合特征；再将感受野聚合特征送入改进的路径聚合网络进行多尺度融合，输出一组深度融合特征；最后对深度融合特征分别进行弱小目标框位置的回归和类别的判定。本发明可准确检测出图像或视频中的弱小目标并正确分类，为后续弱小目标检测与识别领域的研究提供支持。