公开(公告)号：CN117788992A

公开(公告)日：2024-03-29

申请号：CN202410006039.8

申请日：2024-01-03

Applicant: 南京林业大学

Inventor： 业巧林 ,  南国政 ,  李兴 ,  高德民

IPC: G06V10/80 ,  G06V10/82

Abstract: 本发明公开了基于通道和空间交换的多模态遥感图像实时目标检测方法，包括：采用多模态数据融合模块对多模态数据进行融合；将融合后的特征传入主干网络Backbone中，提取低级纹理特征和高级语义特征；将所述低级纹理特征和所述高级语义特征传入Neck模块中，构建一个增强的特征金字塔网络，提取到鲁棒的语义特征；最后传入Head模块预测目标的边界框位置、类信息和置信度得分。本发明通过构建和训练多层神经网络模型，能够自动从大量数据中学习和提取特征，从而实现图像识别和目标检测。

公开(公告)号：CN118397453A

公开(公告)日：2024-07-26

申请号：CN202410577750.9

申请日：2024-05-10

Applicant: 南京林业大学

Inventor： 业巧林 ,  赵越 ,  南国政

IPC: G06V20/10 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种遥感图像中YOLO系列目标检测的通用优化方法。通过集成全局语义信息提取（GSIE）模块和自适应特征融合（AFF）模块到传统的YOLO算法框架中，显著提升遥感图像中小目标的检测性能。GSIE模块通过多角度旋转和深度可分离卷积扩展感受野，增强全局语义捕捉；而AFF模块通过动态权重优化不同尺度特征图的融合，减少信息丢失，提高细节识别。这些改进不仅提升了模型对小目标的识别精度，还降低了计算复杂度，使模型更适合资源受限的实时应用。改进后的算法在小目标检测准确率、速度及资源消耗上均优于传统方法，特别是在处理复杂背景中的密集小目标场景时，有效减少误检和漏检，展现出广泛的应用前景和实用价值。