-
公开(公告)号：CN117765380A
公开(公告)日：2024-03-26
申请号：CN202310423678.X
申请日：2023-04-18
Applicant: 郑州轻工业大学
IPC: G06V20/10 , G06V10/25 , G06V10/766 , G06V10/774 , G06V10/40 , G06V10/764
Abstract: 本发明提出了一种基于焦点旋转交并比边框回归损失的有向目标检测方法，其步骤如下：以带标注的高分辨率遥感图像为训练图像，训练粗略有向候选框生成模块；粗略有向候选框生成模块的损失函数是二分类损失函数和边框回归损失函数的联合损失；将粗略有向候选生成模块生成的粗略有向候选框送入到精细有向候选生成模块进行训练；以精细有向候选框作为候选目标框训练区域检测模块；精细有向候选生成模块和区域检测模块采用焦点旋转交并比回归损失函数；将待检测的高分辨率遥感图像输入目标检测模型，获得感兴趣目标的位置和类别。本发明提出的旋转交并比损失和焦点旋转交并比损失可以提供更好的性能，能够使目标检测模型的定位更加准确。
-
公开(公告)号：CN113092322B
公开(公告)日：2024-09-27
申请号：CN202110394471.5
申请日：2021-04-13
Applicant: 郑州轻工业大学
IPC: G01N15/00 , G01N15/02 , G01N15/1031 , G01N27/90
Abstract: 本发明提出了一种基于电磁层析成像技术的滑油磨粒在线监测装置及方法，用以解决现有滑油磨粒在线监测易受环境影响，无法检测磨粒大小和位置的问题。本发明的监测装置包括通道切换模块和图像重建计算机，通道切换模块与小尺度双平面电磁层析成像传感器相连接，小尺度双平面电磁层析成像传感器包括激励线圈和检测线圈，激励线圈和检测线圈均设置在滑油管路上；通道切换模块与信号处理电路相连接，信号处理电路与图像重建计算机相连接，图像重建计算机与单片机相连接，单片机与通道切换模块相连接。本发明不受水、气泡等非金属杂质、滑油颜色的影响，可以实现滑油磨粒的快速、非接触、非侵入、低成本及可视化监测，获取磨粒大小和位置信息。
-
Patent Agency Ranking
公开(公告)号：CN118608839A
公开(公告)日：2024-09-06
申请号：CN202410696134.5
申请日：2024-05-31
Applicant: 郑州轻工业大学
IPC: G06V10/764 , G06V10/774 , G06N3/0895 , G06N3/0464 , G06V10/74 , G06V10/25 , G06V10/82
Abstract: 本发明提出了一种基于完备多实例学习和软标签定义的遥感图像弱监督目标检测方法，步骤为：对原始图像进行不同的仿射变换，输入卷积神经得到多个特征图，生成一系列目标候选框；将多个特征图和目标候选框依次输入感兴趣区域池化层、两个全连接层得到目标候选框特征向量，将目标候选框特征向量依次输入基础多实例学习网络、多个实例分类优化分支，得到类别置信得分矩阵；根据伪标签挖掘策略构建特征库，根据相似性阈值判断目标候选框是否是种子实例；对所有实例的软标签进行定义生成监督信号直接监督实例分类优化分支；通过完备多实例学习为每个实例分类优化分支引入真实标签的监督间接训练实例分类优化分支；将遥感图像输入训练好的弱监督目标检测模型得到预测结果。本发明通过完备多实例学习和精确的软标签定义提高了弱监督目标的检测精度与定位精度。
-
公开(公告)号：CN117853895A
公开(公告)日：2024-04-09
申请号：CN202310413864.5
申请日：2023-04-18
Applicant: 郑州轻工业大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于平滑GIoU回归损失函数的遥感图像有向目标检测方法，步骤：以带标注的高分辨率遥感图像为训练样本训练候选区域生成网络；通过训练好的候选区域生成网络得到候选目标框，训练区域检测网络；候选区域生成网络和区域检测网络的边框回归损失函数均采用基于平滑GIoU的回归损失函数；交替训练候选区域生成网络和训练区域检测网络构建检测模型，将待检测图像输入检测模型中，获得感兴趣目标的位置和类别。本发明通过改进候选区域生成网络以及区域检测网络的边框回归损失函数，可以有效地提升有向目标检测中边框回归的定位性能；能够在训练过程中根据GIoU值的不同范围采取更合适的学习强度，提升有向目标检测准确性。
-
公开(公告)号：CN116778159A
公开(公告)日：2023-09-19
申请号：CN202310708773.4
申请日：2023-06-14
Applicant: 郑州轻工业大学
IPC: G06V10/26 , G06V10/764 , G06N3/0464 , G06N3/0895 , G06V20/70
Abstract: 本发明提出了一种基于语义分割和实例再检测的弱监督视觉目标检测方法，步骤为：将图像送入主干网络中得到特征图；使用选择性搜索算法得到初始目标候选框，将初始目标候选框映射到特征图上，感兴趣区域池化得到目标候选框的特征向量；对基础多实例学习网络训练，将目标候选框与分割实例进行交并比运算得到目标覆盖得分和目标置信得分；根据目标置信得分挖掘实例分类优化分支的伪真值实例；利用伪真值实例监督实例分类优化分支的训练；通过增强伪真值生成策略生成增强伪真值实例；依据增强伪真值实例分别对实例再检测模块的再分类分支和再定位分支的训练进行监督。本发明能够有效提升伪标签挖掘的鲁棒性，可以有效提升图像弱监督目标检测的准确性。
-
公开(公告)号：CN116630801A
公开(公告)日：2023-08-22
申请号：CN202310568911.3
申请日：2023-05-19
Applicant: 郑州轻工业大学
IPC: G06V20/10 , G06V20/70 , G06V10/764 , G06V10/25 , G06V10/26 , G06V10/774
Abstract: 本发明提出了一种基于伪实例软标签的遥感图像弱监督目标检测方法，其步骤为：构建弱监督深度检测网络，并添加实例分类优化；使用选择性搜索算法为训练图像生成一系列目标候选框，依次计算目标候选框类别得分和图像的类别预测得分，训练弱监督深度检测网络；计算每个目标候选框的双上下文投影得分；得到目标候选框质量得分，为每个实例分类优化分支挖掘伪真值实例；为所有伪真值实例分配软标签，对实例分类优化分支训练；利用训练后的弱监督深度检测网络和实例分类优化分支构建目标检测模型，利用目标检测模型获得感兴趣目标的类别和位置。本发明能够有效挖掘高质量目标候选框，能够有效提升高分辨率遥感图像弱监督目标检测的检测精度。
-
公开(公告)号：CN112651940B
公开(公告)日：2021-09-17
申请号：CN202011558989.X
申请日：2020-12-25
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于双编码器生成式对抗网络的协同视觉显著性检测方法，其步骤为：构建双编码器生成式对抗网络模型并进行预训练；预训练的参数用于生成式对抗网络模型；将协同显著性数据以一组图像输入到分类网络模块，提取多尺度组级图像语义类别特征，多尺度语义融合模块融合多尺度组级图像语义类别特征为组间显著性特征；将成组输入的图像以单张依次输入到显著性编码器得到单幅显著性特征；将单幅显著性特征分别与组间显著性特征进行像素级相加得到协同显著性特征，将协同显著性特征输入到解码器解码得到检测图像；利用协同显著性数据集检测训练后的生成式对抗网络模型。本发明模型参数较小，训练和检测操作简单，检测精度较高，提高了效率。
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
