-
公开(公告)号：CN110009010B
公开(公告)日：2023-03-24
申请号：CN201910211183.4
申请日：2019-03-20
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于兴趣区域重检测的宽幅光学遥感目标检测方法，主要解决宽幅光学遥感目标检测中对小尺度目标检测精度低及重叠滑窗检测时效性慢的问题。具体步骤有：制作多尺度训练样本；设计检测网络模型结构；对混合重检测网络模型进行训练；宽幅影像候选兴趣区域提取与重检测。本发明设计的检测网络模型，能拟合不同尺度目标的检测；基于兴趣区域检测不需重叠检测，降低了宽幅遥感图像候选区域提取的时间，采用对候选区域基于目标的尺度先验性进行重检测，改善了小目标的检测效果，检测精度更高。可应用于任何宽幅像素分辨率大小的光学遥感图像的检测。
-
公开(公告)号：CN109919108B
公开(公告)日：2022-12-06
申请号：CN201910182161.X
申请日：2019-03-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度哈希辅助网络的遥感图像快速目标检测方法，解决了现有目标检测框架对于宽幅遥感图像中存在的占大部分面积的无目标存在的背景区域不能做高效检测的问题。实现步骤为：生成实验训练图像块集合和测试图像块集合；构建基于深度哈希辅助网络的遥感图像快速目标检测模型；训练基于深度哈希辅助网络的遥感图像快速目标检测模型；用训练好的深度哈希辅助网络得到测试图像块集合的测试结果并统计运行时间。本发明引入了哈希辅助分支网络模块，通过快速过滤宽幅遥感图像中大部分无目标的背景区域，大幅减少了目标检测中的冗余计算，使无目标背景区域检测时间大大降低，大幅提高了检测效率。用于宽幅遥感图像的目标检测。
-
公开(公告)号：CN110009010A
公开(公告)日：2019-07-12
申请号：CN201910211183.4
申请日：2019-03-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于兴趣区域重检测的宽幅光学遥感目标检测方法，主要解决宽幅光学遥感目标检测中对小尺度目标检测精度低及重叠滑窗检测时效性慢的问题。具体步骤有：制作多尺度训练样本；设计检测网络模型结构；对混合重检测网络模型进行训练；宽幅影像候选兴趣区域提取与重检测。本发明设计的检测网络模型，能拟合不同尺度目标的检测；基于兴趣区域检测不需重叠检测，降低了宽幅遥感图像候选区域提取的时间，采用对候选区域基于目标的尺度先验性进行重检测，改善了小目标的检测效果，检测精度更高。可应用于任何宽幅像素分辨率大小的光学遥感图像的检测。
-
Patent Agency Ranking
公开(公告)号：CN109919108A
公开(公告)日：2019-06-21
申请号：CN201910182161.X
申请日：2019-03-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度哈希辅助网络的遥感图像快速目标检测方法，解决了现有目标检测框架对于宽幅遥感图像中存在的占大部分面积的无目标存在的背景区域不能做高效检测的问题。实现步骤为：生成实验训练图像块集合和测试图像块集合；构建基于深度哈希辅助网络的遥感图像快速目标检测模型；训练基于深度哈希辅助网络的遥感图像快速目标检测模型；用训练好的深度哈希辅助网络得到测试图像块集合的测试结果并统计运行时间。本发明引入了哈希辅助分支网络模块，通过快速过滤宽幅遥感图像中大部分无目标的背景区域，大幅减少了目标检测中的冗余计算，使无目标背景区域检测时间大大降低，大幅提高了检测效率。用于宽幅遥感图像的目标检测。
-
公开(公告)号：CN108388901A
公开(公告)日：2018-08-10
申请号：CN201810112593.9
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间-语义通道的协同显著目标检测方法。本发明通过模拟人类视觉，根据图像间的协同辅助规则，对待检测的群组图像中彩色图和图像深度图，进行空间协同和语义协同双通道并行处理，利用协同显著性先验获得两种初步协同显著图，融合两个初步协同显著图，得到最终的协同显著图，实现复杂场景群组图像中共同的显著目标的检测，有效地突出了群组图像的共同显著目标并且抑制了复杂的背景噪声，使得本发明具有较好的检测结果，提高了检测的准确率和召回率。
-
公开(公告)号：CN109948527A
公开(公告)日：2019-06-28
申请号：CN201910205485.0
申请日：2019-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于集成深度学习的小样本太赫兹图像异物检测方法，主要解决现有方法需要人工设计图像特征，训练过程复杂，且不能对某一类样本数目特别少的小样本赫兹图像进行异物检测的问题。本发明的具体要步骤如下：(1)制作小样本太赫兹图像数据集；(2)扩增图像训练集；(3)搭建集成深度学习网络；(4)训练集成深度学习网络；(5)对图像测试集进行检测。本发明能够自动提取图像特征，训练过程简单，考虑了实际样本中某一类样本数目特别少的小样本情况，能够对小样本太赫兹图像进行异物检测，能提高小样本中数目特别少的一类的检测正确率。
-
公开(公告)号：CN109948527B
公开(公告)日：2022-12-02
申请号：CN201910205485.0
申请日：2019-03-18
Applicant: 西安电子科技大学
IPC: G06V20/52 , G06V10/46 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于集成深度学习的小样本太赫兹图像异物检测方法，主要解决现有方法需要人工设计图像特征，训练过程复杂，且不能对某一类样本数目特别少的小样本赫兹图像进行异物检测的问题。本发明的具体要步骤如下：(1)制作小样本太赫兹图像数据集；(2)扩增图像训练集；(3)搭建集成深度学习网络；(4)训练集成深度学习网络；(5)对图像测试集进行检测。本发明能够自动提取图像特征，训练过程简单，考虑了实际样本中某一类样本数目特别少的小样本情况，能够对小样本太赫兹图像进行异物检测，能提高小样本中数目特别少的一类的检测正确率。
-
公开(公告)号：CN108388901B
公开(公告)日：2020-06-16
申请号：CN201810112593.9
申请日：2018-02-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间‑语义通道的协同显著目标检测方法。本发明通过模拟人类视觉，根据图像间的协同辅助规则，对待检测的群组图像中彩色图和图像深度图，进行空间协同和语义协同双通道并行处理，利用协同显著性先验获得两种初步协同显著图，融合两个初步协同显著图，得到最终的协同显著图，实现复杂场景群组图像中共同的显著目标的检测，有效地突出了群组图像的共同显著目标并且抑制了复杂的背景噪声，使得本发明具有较好的检测结果，提高了检测的准确率和召回率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.028 seconds)
