公开(公告)号：CN119810731A

公开(公告)日：2025-04-11

申请号：CN202411769022.4

申请日：2024-12-04

Applicant: 重庆邮电大学

Inventor： 何晏臣 ,  李国权 ,  陈莉 ,  林金朝 ,  庞宇 ,  朱宏钰

IPC: G06V20/52 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/46 ,  G06V10/54 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明涉及一种基于特征解耦的实时安检威胁物品检测方法，属于图像处理技术领域。该方法时利用威胁物品检测神经网络模型来进行检测，该模型包括骨干网络、检测颈部网络和检测解耦头网络；骨干网络是利用特征金字塔进行特征提取，生成多尺度特征图以捕捉不同尺度下的物体信息；检测颈部网络是利用金字塔结构将骨干网络中提取的不同尺度特征进行融合；检测解耦头网络包括分类分支和定位分支；分类分支采用语义上下文编码，以增强分类任务中对上下文特征的关注，从而提升对威胁物品关键部分特征的提取能力；定位分支采用细节保留编码，以强化检测头对威胁物品轮廓、边缘及细节纹理的关注，确保检测结果的准确性。

公开(公告)号：CN118429720A

公开(公告)日：2024-08-02

申请号：CN202410646231.3

申请日：2024-05-23

Applicant: 重庆邮电大学

Inventor： 何晏臣 ,  李国权 ,  林金朝 ,  庞宇 ,  朱宏钰

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/762 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及一种基于层次语义的多尺度目标实时检测方法，属于图像处理领域。该方法包括以下步骤：S1：构建图像数据训练集；S2：设计锚框优化算法；S3：设计检测颈部网络，在检测主干网络及头部网络间进行过渡，为检测头部网络提供高分辨率和高语义特征；S4：设计检测头部尺度空间感知注意力机制，利用尺度和空间注意模块对融合特征进行处理，通过对概率预测对图像中存在的目标类别及坐标进行表征；S5：通过结构重参数化方法对检测颈部进行结构重构，改变模型在推理阶段结构，加快模型检测效率；S6：在自然数据集上进行检测。该方法在PASCAL VOC 2007、2012和MS COCO 2017数据集上实现较好的性能。