公开(公告)号：CN119068355A

公开(公告)日：2024-12-03

申请号：CN202411269948.7

申请日：2024-09-11

Applicant: 济南大学

Inventor： 徐涛 ,  张瀚 ,  杨晓晖 ,  陈伟平 ,  臧俊源

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本申请公开了一种基于分组卷积注意力网络的多尺度检测优化方法及系统。其实现方法的实现步骤为：构造分组卷积注意力网络模块；将分组卷积注意力网络模块引入到一般的基于卷积神经网络的物体检测模型中；划分物体检测数据集；对数据集中的图像进行预测处理；使用训练数据用物体检测模型和分组卷积注意力网络模块进行协同训练；将验证数据送入到检测模型进行检测；得到检测结果；本发明利用构建的分组卷积注意力网络模块和一般的基于深度卷积神经网络的物体检测模型进行协同训练，用来增强检测模型的特征提取网络来用于多尺度物体检测，在不增加计算代价的同时提高了物体检测精度。

公开(公告)号：CN119068341A

公开(公告)日：2024-12-03

申请号：CN202411269884.0

申请日：2024-09-11

Applicant: 济南大学

Inventor： 徐涛 ,  张瀚 ,  杨晓晖 ,  陈伟平 ,  韩明志

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本申请公开了一种基于边缘增强网络的SAR图像目标检测优化方法。其实现方法的实现步骤为：构造边缘增强网络模块；将边缘增强网络模块引入到一般的基于卷积神经网络的物体检测模型中；划分物体检测数据集；对数据集中的图像进行预测处理；使用训练数据用物体检测模型和边缘增强网络模块进行协同训练；将验证数据送入到检测模型进行检测；得到检测结果；本发明利用构建的边缘增强网络模块和一般的基于深度卷积神经网络的物体检测模型进行协同训练，用来增强检测模型的特征提取网络来用于SAR图像物体检测，在计算代价相当的同时提高了物体检测精度。