公开(公告)号：CN118314333A

公开(公告)日：2024-07-09

申请号：CN202410734068.6

申请日：2024-06-07

Applicant: 南开大学

Inventor： 张晓宇 ,  杜祥润 ,  檀盼龙 ,  杨诗博

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。

公开(公告)号：CN117409214A

公开(公告)日：2024-01-16

申请号：CN202311717643.3

申请日：2023-12-14

Applicant: 南开大学

Inventor： 张晓宇 ,  杜祥润 ,  檀盼龙 ,  李寿鹏 ,  杨诗博

IPC: G06V10/46 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及图像处理技术领域，公开了一种基于自适应交互网络的显著性目标检测方法及系统，用于提高显著性目标检测的准确性的准确率。方法包括：将RGB模态特征集及热红外特征集输入目标自适应交互网络的过渡层进行卷积操作，得到RGB模态特征集对应的第一卷积特征集及热红外特征集对应的第二卷积特征集；将第一卷积特征集及第二卷积特征集输入目标自适应交互网络的特征交互层进行多模态特征整合，得到目标整合特征集；对整合特征集进行特征强化处理，得到强化特征集；将强化特征集输入目标自适应交互网络的双分支解码器进行多重解码处理，得到多模态图像的深层语义特征，通过深层语义特征对多模态图像进行目标检测，得到目标检测结果。

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

Inventor： 张晓宇 ,  柳逸文 ,  檀盼龙 ,  杨诗博

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

Inventor： 张晓宇 ,  杨诗博 ,  檀盼龙 ,  李寿鹏 ,  柳逸文

IPC: G06V20/05 ,  G06N3/04 ,  G06N3/08 ,  G06V10/25 ,  G06V10/30 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

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

Inventor： 张晓宇 ,  檀盼龙 ,  柳逸文 ,  杨诗博

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。