公开(公告)号：CN113421200A

公开(公告)日：2021-09-21

申请号：CN202110696686.2

申请日：2021-06-23

Applicant: 中国矿业大学(北京)

Inventor： 伍云霞 ,  张海兰

IPC: G06T5/00 ,  G06T5/50 ,  G06T7/33 ,  G06N3/02

Abstract: 本发明的目的在于提供一种基于多尺度变换与脉冲耦合神经网络的图像融合方法，该方法直接面向图像融合技术，将对齐后的可见光与红外图像进行多尺度变换，采用非下采样剪切波变换把输入图像分解成高低子频带，采用快速引导滤波进行显著性检测，改进脉冲耦合神经网络的模型，采用PA‑PCNN从空间纹理分布以及亮度分布上对图像进行多区域划分，最后对处理后的高低子频带进行逆NSST变换生成融合图像。该方法既解决了基于区域的图像融合方法所获得的图像细节不够丰富，易出现伪影的问题，又提高了算法的执行效率，且显著性检测也使得融合的图像具有良好的视觉效果。

公开(公告)号：CN116310293B

公开(公告)日：2023-09-12

申请号：CN202310104244.3

申请日：2023-02-13

Applicant: 中国矿业大学(北京)

Inventor： 刘康 ,  张海兰 ,  郑颖 ,  胡江昱 ,  王玮岑 ,  吴梦玮

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0895

Abstract: 本发明公开了一种基于弱监督学习的生成高质量候选框目标检测方法，本发明属于目标检测领域，包括：获取数据集图片，数据集图片包括：源数据集图片和目标数据集图片；构建教师模型，基于源数据集图片训练教师模型，得到训练好的教师模型；教师模型主干网络的最大池化替换成多尺度池化；构建学生模型，通过训练好的教师模型指导学生模型，得到学生特征图；获取目标数据集图片的梯度加权类激活图，将学生特征图与梯度加权类激活图进行融合，得到高质量的目标候选框图；获取待测数据集图片，将待测数据集图片输入学生模型，基于目标候选框图，得到目标位置信息和分类预测结果。本发明提高了目标检测的执行效率和准确率。

公开(公告)号：CN116310293A

公开(公告)日：2023-06-23

申请号：CN202310104244.3

申请日：2023-02-13

Applicant: 中国矿业大学(北京)

Inventor： 刘康 ,  张海兰 ,  郑颖 ,  胡江昱 ,  王玮岑 ,  吴梦玮

IPC: G06V10/25 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0895

Abstract: 本发明公开了一种基于弱监督学习的生成高质量候选框目标检测方法，本发明属于目标检测领域，包括：获取数据集图片，数据集图片包括：源数据集图片和目标数据集图片；构建教师模型，基于源数据集图片训练教师模型，得到训练好的教师模型；教师模型主干网络的最大池化替换成多尺度池化；构建学生模型，通过训练好的教师模型指导学生模型，得到学生特征图；获取目标数据集图片的梯度加权类激活图，将学生特征图与梯度加权类激活图进行融合，得到高质量的目标候选框图；获取待测数据集图片，将待测数据集图片输入学生模型，基于目标候选框图，得到目标位置信息和分类预测结果。本发明提高了目标检测的执行效率和准确率。