-
公开(公告)号:CN116342988A
公开(公告)日:2023-06-27
申请号:CN202211678403.2
申请日:2022-12-26
Applicant: 上海航天控制技术研究所
Abstract: 本发明提供一种基于显著性特征信息融合的弱小目标智能检测系统,首先通过设计的多尺度显著性特征提取模块提取输入图像的特征信息,在系统最深层添加低分辨率特征提取模块提取更低分辨率的辅助特征,使用多特征融合模块融合不同层次的特征信息作为输出,最后对智能检测系统的输出进行解码求取目标预测结果。本发明采用基于显著性特征信息融合的弱小目标智能检测系统的目标探测精度普遍优于传统和其他智能化处理系统。
-
公开(公告)号:CN119418158A
公开(公告)日:2025-02-11
申请号:CN202411342514.5
申请日:2024-09-25
Applicant: 上海航天控制技术研究所
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06V10/774
Abstract: 本发明提供一种基于轻量化的跨域红外目标智能检测方法,首先通过对输入图像进行多通道数据增强,使用轻量化特征提取网络提取增强图像不同层次的局部特征信息,通过多尺度最大池化得到不同尺度的特征,添加全局自注意力模块提取全局特征,使用多层级特征融合模块融合从轻量化特征提取模块以及全局自注意力模块输出的不同层次的特征信息,最后对特征信息进行解码得到目标预测结果。本发明能够改善现有跨域红外目标检测性能不足、智能化检测方法存在红外目标漏检和误检的问题。
-
公开(公告)号:CN117876927A
公开(公告)日:2024-04-12
申请号:CN202311808648.7
申请日:2023-12-26
Applicant: 上海航天控制技术研究所
IPC: G06V20/40 , G06V10/62 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于深度脉冲神经网络的高帧率目标跟踪方法,将给定一段时间内的嵌入式平台目标事件分割成一个n‑bin体素网格,生成正事件帧和负事件帧;将正事件帧和负事件帧输入YOLO神经网络进行空间特征提取,输出每帧图像中所有目标的位置信息和类别信息,组成空间特征;将正事件帧和负事件帧按照时间顺序输入脉冲卷积神经网络进行时序特征提取,输出与跟踪目标相关的时序信息;构建目标跟踪网络,对空间特征和时序信息进行时空特征融合后分别经过回归计算和分类计算,输出不同时刻下跟踪目标的位置和类别。本发明实现快速高效的嵌入式、低功耗平台下的目标跟踪,有效解决了复杂环境下高帧率目标识别网络能耗高、效率低的问题。
-
公开(公告)号:CN116740371A
公开(公告)日:2023-09-12
申请号:CN202310616691.7
申请日:2023-05-29
Applicant: 上海航天控制技术研究所
IPC: G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于冲突过滤和特征聚焦的红外弱小目标检测方法及系统,其中,该方法包括:使用骨干网络对输入图像进行特征提取,对提取到的特征图进行多尺度特征融合及冲突过滤,再将多尺度特征融合及冲突过滤后的特征图与骨干网络提取到的特征图进行多尺度特征融合及冲突过滤得到最后一张特征图;对最后一张特征图进行特征聚焦,根据多个特征聚焦后的特征图得到融合的特征图像;用特征金字塔对多尺度特征融合及冲突过滤后的特征图、最后一张特征图和融合的特征图像进行多尺度特征融合,得到三种不同尺度的特征图;将三种不同尺度的特征图输入到检测头。本发明能够有效抑制背景特征干扰、增强目标特征表示,实现高精度的红外弱小目标检测。
-
公开(公告)号:CN116703961A
公开(公告)日:2023-09-05
申请号:CN202310616647.6
申请日:2023-05-29
Applicant: 上海航天控制技术研究所
IPC: G06T7/194 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于平衡采样和GAN网络的弱小目标背景抑制方法及系统,其中,该方法包括:对红外数据图像以平衡采样得到局部图像块,对二值标签图以平衡采样得到局部标签块;其中,在采样过程中对红外数据图像进行二维编码;将局部图像块送入块语义增强对抗生成网络,得到局部图像块的背景抑制结果;利用二维编码的红外数据图像得到红外数据图像的背景抑制分割结果;根据通用损失、结构损失和分类损失得到总损失函数,根据总损失函数对比局部图像块的背景抑制结果和红外数据图像的背景抑制分割结果得到局部块生成结果。本发明提高了目标分割模型在不平衡问题中的分类性能。
-
-
-
-