公开(公告)号：CN118447416A

公开(公告)日：2024-08-06

申请号：CN202410511675.6

申请日：2024-04-26

Applicant: 西北工业大学

Inventor： 张兆祥 ,  许悦雷 ,  汪洪桥 ,  王璇 ,  马林华 ,  郑爽

IPC: G06V20/17 ,  G06V20/40 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种因果认知驱动条件下机载多尺度泛化检测方法，首先使用无人机载传感器获得行人目标视频数据，并将其分解为单帧图像；构成训练和测试数据集；其次构建混杂效应因果模型，基于因果模型对训练锚框尺寸进行设置；之后构建物理先验目标库文件，计算不同飞行高度、不同相机参数下目标的图像系尺寸；在测试阶段，根据实时飞行参数，和目标种类信息，通过查表获得目标先验尺寸。利用目标先验尺寸对锚框大小进行设置；最后获得测试结果，对测试结果进行评估。本发明提高了模型在目标数据集中的泛化检测精度和目标检测精度和可靠性。

公开(公告)号：CN114972920A

公开(公告)日：2022-08-30

申请号：CN202210605542.6

申请日：2022-05-30

Applicant: 西北工业大学

Inventor： 张兆祥 ,  许悦雷 ,  周清 ,  马林华 ,  加尔肯别克 ,  回天 ,  袁超峰

IPC: G06V10/774 ,  G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764

Abstract: 本发明公开了一种多层次无监督领域自适应目标检测识别方法，首先利用源数据域的图像和对应的标签，对深度学习模型进行有监督训练。同时利用仿真生成模型，生成对应目标的图像，和目标域数据中的目标保持一致，通过修改仿真模型参数，生成不同条件下的数据集，从而实现泛化的中间域数据集。之后，利用源域训练好的模型，对中间域数据集进行渐次的域适应。模型参数适应之后，再引入目标域数据集，进行无监督自学习，生成伪标签，再次对模型进行参数微调，最终实现目标检测模型的多层次无监督领域自适应。本发明方法提高了模型的无监督目标检测精度和可靠性。

公开(公告)号：CN112465759A

公开(公告)日：2021-03-09

申请号：CN202011303408.8

申请日：2020-11-19

Applicant: 西北工业大学

Inventor： 许悦雷 ,  回天 ,  周清 ,  加尔肯别克 ,  张悦 ,  马林华

IPC: G06T7/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于卷积神经网络的航空发动机叶片缺陷检测方法，将Yolov3模型上采样结构中的双线性插值方法改为双三次插值方法，增强底层特征与深层特征的融合效果，提高检测模型的细节感知能力；同时在Yolov3模型的主干网络中加入注意力机制，增强感兴趣区域的特征表现能力，降低背景噪声等无用信息对于检测结果的影响，提高检测模型的区域聚焦能力。通过上述两种方法，得到改进后的Yolov3模型，使用改进后的Yolov3模型能够对航空发动机叶片缺陷进行检测，有效提升了图像中缺陷区域检测框的召回率，提高了缺陷区域的检测精度。