-
Patent Agency Ranking
公开(公告)号：CN114898171B
公开(公告)日：2023-09-22
申请号：CN202210357905.9
申请日：2022-04-07
Applicant: 中国科学院光电技术研究所
IPC: G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明提供一种适用于嵌入式平台的实时目标检测方法，旨在解决面向嵌入式资源受限的边缘端计算平台上的实时目标检测问题，综合考虑了速度和精度最佳平衡并且实现了网络模型的轻量化，为实现嵌入式平台模型部署提供了可能。首先，综合考虑性价比，在四个特征尺度上进行预测，巧妙使用轻量化网络ShuffleNetv2在骨干网络部分构建轻量特征提取网络；然后，在颈部部分使用轻量化网络GhostNet对特征处理过渡以便于检测头的预测，并且过程中使用了CBAM双通道注意力机制抑制不利信息帮助提升模型的性能；最后使用了Alpha‑IoU作为损失函数指导模型训练得到最终的网络模型Alpha‑SGANet取得了最优的检测精度，并提出了小模型版本的网络模型Alpha‑SGAsNet取得了速度和精度的最佳权衡，实现了模型的轻量化。
-
公开(公告)号：CN113160246A
公开(公告)日：2021-07-23
申请号：CN202110402695.6
申请日：2021-04-14
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供一种基于深度监督的图像语义分割方法，模型整体呈现为一个包含编码器和解码器的U型结构，编码器部分加载预训练模型权重对特征进行提取，解码器部分包含目标语义池化和空间通道注意力机制在内的多个模块。在编码器之后设置了一个用来预测是否包含目标区域的分类分支以促进模型收敛，然后，在解码器之后设置了含有目标区域的图片的分割分支和全部图片的分割分支，总的损失为三个分支损失的加权求和。本发明中选择了盐体图像作为数据集，实验证明，该模型能有效改善盐体图像的分割精度，帮助盐体图像解释，但该模型不仅仅局限于只适用于盐体图像，因为其设计的巧妙性，也可以相对容易的扩展用于其它的语义分割范畴。
-
公开(公告)号：CN113011365A
公开(公告)日：2021-06-22
申请号：CN202110344641.9
申请日：2021-03-31
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供一种结合轻量化网络的目标检测方法，旨在解决UAV这种小目标检测速度和精度的权衡问题，还实现了网络模型的轻量化，为实现嵌入式平台上的目标检测提供了可能。根据无人机具有体积小，飞行速度快等特点，本发明提出了一种结合轻量化网络改进的快速目标检测算法。对三个特征尺度进行检测的YOLOv3算法扩展为五个特征尺度来检测，提高了无人机等小目标场景的检测性能。结合轻量化网络中的Ghost模块构建了轻量的特征提取网络，为了进一步提升网络的检测性能，加入通道注意力机制抑制了不利的信息。本发明中生成了一个城市背景的UAV数据集用于训练。实验结果表明，本发明提出的方法能有效提高UAV在复杂城市背景下的检测精度和满足实时性要求。
-
公开(公告)号：CN114663707A
公开(公告)日：2022-06-24
申请号：CN202210311386.2
申请日：2022-03-28
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提供一种基于FasterRCNN改进的少样本目标检测方法。本发明在传统目标检测框架FasterRCNN的基础上，结合CBAM注意力模块、全局‑局部关系检测器以及基于余弦Softmax损失的分类器对FasterRCNN进行了深度优化和改进，使其有利于少样本目标检测。本发明将CBAM注意力模块与FasterRCNN中的RPN网络相结合形成了基于注意力机制的CBAM‑Attention‑RPN网络，有助于生成特定类别的候选框，提高后续网络的精度。本发明提出了全局‑局部关系检测器，利用全局关系和局部关系两种关系对支持图像特征和查询图像特征进行特征匹配，有助于得到与目标类别更相关的候选框。本发明提出了基于余弦Softmax损失的分类器作为分类分支，有助于降低类内方差，提高新类的检测精度。
-
公开(公告)号：CN114898171A
公开(公告)日：2022-08-12
申请号：CN202210357905.9
申请日：2022-04-07
Applicant: 中国科学院光电技术研究所
IPC: G06V10/774 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明提供一种适用于嵌入式平台的实时目标检测方法，旨在解决面向嵌入式资源受限的边缘端计算平台上的实时目标检测问题，综合考虑了速度和精度最佳平衡并且实现了网络模型的轻量化，为实现嵌入式平台模型部署提供了可能。首先，综合考虑性价比，在四个特征尺度上进行预测，巧妙使用轻量化网络ShuffleNetv2在骨干网络部分构建轻量特征提取网络；然后，在颈部部分使用轻量化网络GhostNet对特征处理过渡以便于检测头的预测，并且过程中使用了CBAM双通道注意力机制抑制不利信息帮助提升模型的性能；最后使用了Alpha‑IoU作为损失函数指导模型训练得到最终的网络模型Alpha‑SGANet取得了最优的检测精度，并提出了小模型版本的网络模型Alpha‑SGAsNet取得了速度和精度的最佳权衡，实现了模型的轻量化。
-
-
-
-
Search Results
5
records
(took 0.023 seconds)
