-
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。
-
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：CN118570625B
公开(公告)日：2024-11-15
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：CN117315453B
公开(公告)日：2024-02-20
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：CN117274779A
公开(公告)日：2023-12-22
申请号：CN202311552387.7
申请日：2023-11-21
Applicant: 南开大学
IPC: G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明涉及神经网络技术领域，提供一种基于模态自适应门控重编码网络的目标检测方法。该方法包括：通过多个编码器分别提取单模态图像的多级特征，拼接多个编码器的最深阶层输出的特征获得语义特征；建立模态自适应门控单元，以多级特征和语义特征为输入，计算获得平衡权重，以抑制低价值特征；融合抑制低价值特征后的多级特征，获得模态自适应平衡特征；建立多个重编码器进行重新编码；建立融合平行式结构及渐进式结构的混合解码器，对重编码后的模态自适应平衡特征解码，并建立边缘导引结构输出边缘导引流，进行边缘噪声抑制；选取主干网络整合结构进行目标检测，获得检测结果。本发明有效平衡了多模态多层级特征，避免了低价值特征的干扰。
-
Patent Agency Ranking
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：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。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
