-
公开(公告)号：CN119540762A
公开(公告)日：2025-02-28
申请号：CN202411637736.X
申请日：2024-11-15
Applicant: 广州市南沙区北科光子感知技术研究院 , 北京信息科技大学
IPC: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明提供了一种多尺度局部对比度注意力红外小目标检测方法，该方法为：将初始红外图像输入特征输入预设的主干网络进行特征编码，并将获得的至少一个下采样红外图像特征和集成红外图像特征输入特征增强模块，特征增强模块包括分别用于处理各个下采样红外图像特征和用于处理集成红外图像特征的多个注意力模块，注意力模块通过对输入特征进行多尺度的通道注意力特征和多尺度的空间注意力特征融合获得注意力特征；分别将各个注意力模块输出的不同尺度的注意力特征输入特征融合模块，获得融合红外图像特征；将融合红外图像特征输入预测模块，获得红外图像中的红外小目标分割的结果图像。本方法可以有效地分割红外小目标。
-
公开(公告)号：CN119418056A
公开(公告)日：2025-02-11
申请号：CN202411567084.7
申请日：2024-11-05
Applicant: 广州市南沙区北科光子感知技术研究院 , 北京信息科技大学
IPC: G06V10/26 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供了一种基于空间通道注意力网络的红外图像小目标分割方法，该方法包括：将待处理的红外图像输入预设的编码器执行逐级迭代的特征提取及下采样，在不同特征处理层级提取出目标区域的不同尺度的低级语义特征，其中，所述编码器包括多个级联的子编码器，每个子编码器由预设的MCFA模块和下采样模块组成，每个子编码器的MCFA模块的输出特征为当前特征处理层级的低级语义特征；将编码器中的各个特征处理层级输出的低级语义特征分别输入预设解码器中相应特征重建层级的子解码器中，执行逐级迭代的上采样、融合特征及特征重建，以终获得从红外图像中分割出的目标区域的特征。本发明能够精准的识别出红外图像中的目标区域。
-
公开(公告)号：CN119006267A
公开(公告)日：2024-11-22
申请号：CN202310572842.3
申请日：2023-05-19
Applicant: 北京信息科技大学
IPC: G06T3/04 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本申请涉及一种基于语义编辑和生成对抗网络的PCB瑕疵图像生成方法，其中，方法包括：构建真实瑕疵样本的语义标注数据集，利用真实瑕疵样本的语义标注数据集训练预设生成对抗网络模型；采集PCB模板彩色图像，并基于PCB模板彩色图像构建模板语义图像数据集，利用模板语义图像数据集通过预设语义编辑方法生成瑕疵语义图；基于训练后的生成对抗网络模型和瑕疵语义图生成PCB瑕疵图像。由此，解决了现有瑕疵检测方法中瑕疵样本量较小、样本类型不均衡且样本数据标注困难，使得瑕疵检测模型方法的精度、泛化性和鲁棒性较差等问题。
-
公开(公告)号：CN117745555A
公开(公告)日：2024-03-22
申请号：CN202311572257.X
申请日：2023-11-23
Applicant: 广州市南沙区北科光子感知技术研究院 , 北京信息科技大学
Abstract: 本发明提供了一种基于双偏微分方程的多尺度红外和可见光图像的融合方法，包括：S1、采用双偏微分方程分别对红外图像和可见光图像多次迭代进行分解，提取红外图像和可见光图像不同尺度的细节图，红外图像和可见光图像的基础图，红外图像的红外纹理细节图；S2、分别计算红外图像和可见光图像的平方计算显著图；S3、获取红外图像和可见光图像的权重图；S4、对红外图像和可见光图像不同尺度的细节图进行融合，得到第一融合图；对红外图像和可见光图像的基础图进行融合，得到第二融合图；S5、将第一融合图和第二融合图进行融合，完成多尺度红外和可见光图像的融合。本方法不仅充分利用了图像特性，还捕捉到了多层细节，融合结果更符合人类视觉特性。
-
-
-
Search Results
4
records
(took 0.024 seconds)
