-
公开(公告)号：CN118506172A
公开(公告)日：2024-08-16
申请号：CN202410948242.7
申请日：2024-07-16
Applicant: 南开大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于泛化先验监督的水下显著物体检测方法，涉及目标检测技术领域。具体包括：采集待检测图；通过轻量视觉编码器对待检测图进行深度特征提取，获得深度特征图；基于泛化暗通道先验算法计算待检测图中的环境光，获得介质传输图；通过介质传输图监督深度特征图的提取，获得监督特征图；将待检测图及监督特征图进行特征融合，获得显著性图；对显著性图进行目标检测。本发明不仅增强了模型对水下特定环境的适应性，而且提高了检测的准确性和鲁棒性。
-
公开(公告)号：CN116721112B
公开(公告)日：2023-10-24
申请号：CN202311000476.0
申请日：2023-08-10
Applicant: 南开大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于双分支解码器网络的水下伪装物体图像分割方法。该方法提出的解码器网络采用双分支结构，一支解码器使用通道注意力模块增强特征并接受边缘指导信息，另一支解码器使用空间注意力模块增强特征并接受全局指导信息，还在解码器每层之间提出信息交互模块，将两个分支的信息进行融合后输送到下一层解码器从而得到更好的信息融合效果，还提出选择性分支聚合模块中，其会自适应的学习如何在两个分支上权衡不同的注意力从而更好的对结果进行融合，最终产生双解码器注意力网络的预测图并接受真值图像的监督。本发明可以提高分割水下伪装目标时的准确性以及识别速度，提高水下目标识别任务的智能化水平。
-
公开(公告)号：CN116721112A
公开(公告)日：2023-09-08
申请号：CN202311000476.0
申请日：2023-08-10
Applicant: 南开大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于双分支解码器网络的水下伪装物体图像分割方法。该方法提出的解码器网络采用双分支结构，一支解码器使用通道注意力模块增强特征并接受边缘指导信息，另一支解码器使用空间注意力模块增强特征并接受全局指导信息，还在解码器每层之间提出信息交互模块，将两个分支的信息进行融合后输送到下一层解码器从而得到更好的信息融合效果，还提出选择性分支聚合模块中，其会自适应的学习如何在两个分支上权衡不同的注意力从而更好的对结果进行融合，最终产生双解码器注意力网络的预测图并接受真值图像的监督。本发明可以提高分割水下伪装目标时的准确性以及识别速度，提高水下目标识别任务的智能化水平。
-
公开(公告)号：CN119986710A
公开(公告)日：2025-05-13
申请号：CN202510466747.4
申请日：2025-04-15
Applicant: 南开大学
IPC: G01S19/21 , G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及GNSS欺骗检测技术领域，提供一种基于动态加权的多模态GNSS欺骗检测方法，包括获取一维SQM时间序列和二维相关函数并进行预处理；通过Transformer通道对标准化二维相关函数进行特征提取，获得全局特征；通过CNN通道对标准化二维相关函数进行特征提取，获得局部特征；通过一维SQM时间序列获得Transformer通道动态权重矩阵以及CNN通道动态权重矩阵；将全局特征和局部特征和对应权重相乘并相加，获得融合特征；对融合特征进行全局平均池化，并通过全连接网络映射为欺骗概率；根据欺骗概率和概率阈值检测欺骗。本发明显著提高了在复杂环境中检测的准确率，增强了系统的安全性和可靠性。
-
公开(公告)号：CN118314333B
公开(公告)日：2024-09-24
申请号：CN202410734068.6
申请日：2024-06-07
Applicant: 南开大学
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及红外图像目标检测领域，提供一种基于Transformer架构的红外图像目标检测方法，该方法包括：通过主干网络提取红外图像中的特征信息，采用逐层卷积的方式，依次获得第一特征、第二特征和第三特征；通过AIFI模块对第三特征进行尺度交互，得到第四特征，将第四特征和第一特征、第二特征分别作为三个输入特征传递到特征融合模块进行融合，获得特征融合结果；通过感知查询模块对特征融合结果进行查询，获得候选框与目标图像间的交互信息；通过解码器对交互信息进行解码，获得候选框；通过检测头对候选框进行分类和定位，获得目标检测结果。本发明实现了具有更小算法规模和更高检测精度的红外图像目标检测方法。
-
Patent Agency Ranking
公开(公告)号：CN118552841A
公开(公告)日：2024-08-27
申请号：CN202411030992.2
申请日：2024-07-30
Applicant: 南开大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于多模态任务驱动增强的水下显著物体检测方法，包括：通过泛化先验指导的卷积模块建立媒介透射分支，通过媒介透射分支对原始图像进行卷积，获得媒介透射图；通过四叉树算法计算原始图像的全局背景光，获得水下增强图；基于泛化暗通道先验算法计算原始图像中的环境光，获得介质传输图；对媒介透射图及介质传输图计算均方误差损失，通过均方误差损失指导媒介透射分支；将水下增强图与媒介透射图进行跨模态特征融合及多流特征提取，获得显著性图。本发明能够提高对水下特定环境的适应性，而且确保了增强水下图像直接适用于USOD任务，提高了检测的准确性和鲁棒性。
-
公开(公告)号：CN118570625A
公开(公告)日：2024-08-30
申请号：CN202411052999.4
申请日：2024-08-02
Applicant: 南开大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06V10/25 , G06V10/34 , G06V10/77 , G06V10/82
Abstract: 本发明提供一种基于二次降质的水下显著物体目标检测方法，涉及目标检测技术领域，该方法包括：基于媒介透射分支及导向滤波法对原始图像进行卷积，并通过四叉树算法计算所述原始图像的全局背景光，获得水下增强图；对所述水下增强图进行二次降质无监督学习，获得二次增强图；对所述二次增强图及所述二次增强图对应的二次传输图进行多流特征提取，获得检测网络；通过所述检测网络对待检测图像进行水下显著物体目标检测。本发明能够提升了在复杂水下环境中显著性目标检测的适应性，提高了检测精度及鲁棒性。
-
公开(公告)号：CN117315453A
公开(公告)日：2023-12-29
申请号：CN202311552299.7
申请日：2023-11-21
Applicant: 南开大学
Abstract: 本发明涉及图像通讯技术领域，尤其涉及一种基于水下声纳图像的水下小目标检测方法，包括如下步骤：搭建目标检测深度神经网络并组建可见光目标检测训练集与验证集，并进行第一阶段的训练；模型训练；组建带噪声的可见光数据集和水下声纳数据集并进行第二阶段的训练；噪声滤除训练；组建水下声纳图像目标检测训练集与验证集并进行第三阶段的训练，得到最终的目标检测深度神经网络。本发明提供的方法适用于水下小目标的精准检测，并且训练检测速度比较快。
-
公开(公告)号：CN117315223A
公开(公告)日：2023-12-29
申请号：CN202311147106.X
申请日：2023-09-07
Applicant: 南开大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明涉及计算机视觉技术领域，提供一种基于transformer架构的目标检测方法。该方法包括：组建训练集对主干网络进行预训练；创建融合模块细化低层特征图，并融合低层特征图和经编码器处理的高层特征图；创建感知选择模块选取高质量token并为解码器初始化对象查询；创建感知选择模块去除memory特征层中的无用token以优化解码器；为真实目标检测框添加不同尺度噪声获得正负样本去噪组，通过对多组正负样本去噪组、对象查询和memory特征层进行交叉注意力操作获得训练损失；训练整体网络获得目标检测器以获得检测结果。本发明可以提高对兴趣目标检测的准确性以及识别速度，从而提高目标检测任务的自动化、智能化水平。
-
公开(公告)号：CN118552841B
公开(公告)日：2024-12-17
申请号：CN202411030992.2
申请日：2024-07-30
Applicant: 南开大学
IPC: G06V20/05 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于多模态任务驱动增强的水下显著物体检测方法，包括：通过泛化先验指导的卷积模块建立媒介透射分支，通过媒介透射分支对原始图像进行卷积，获得媒介透射图；通过四叉树算法计算原始图像的全局背景光，获得水下增强图；基于泛化暗通道先验算法计算原始图像中的环境光，获得介质传输图；对媒介透射图及介质传输图计算均方误差损失，通过均方误差损失指导媒介透射分支；将水下增强图与媒介透射图进行跨模态特征融合及多流特征提取，获得显著性图。本发明能够提高对水下特定环境的适应性，而且确保了增强水下图像直接适用于USOD任务，提高了检测的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
