公开(公告)号：CN119418039A

公开(公告)日：2025-02-11

申请号：CN202411587077.3

申请日：2024-11-08

Applicant: 北京工业大学

Inventor： 任坤 ,  任福荣 ,  李峥瑱 ,  张天阳

IPC: G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明的实施例提供了一种基于子空间前景感知的少样本目标检测方法与系统，该方法包括获取支持图像和查询图像；将支持图像和查询图像输入至经训练的基于子空间前景感知的少样本目标检测模型中，得到基于子空间前景感知的少样本目标检测模型输出的目标检测结果，基于子空间前景感知的少样本目标检测模型至少基于双向对比损失函数训练得到，目标检测结果至少包括检测框、目标分类、置信度、回归参数，其中，基于子空间前景感知的少样本目标检测模型用于至少基于前景感知模块、多个基于子空间的特征聚合模块，对查询图像进行目标检测，以得到目标检测结果。

公开(公告)号：CN117422971A

公开(公告)日：2024-01-19

申请号：CN202311262346.4

申请日：2023-09-27

Applicant: 北京工业大学

Inventor： 任坤 ,  李盼 ,  任福荣 ,  张天阳

IPC: G06V10/82 ,  G01S13/86 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明提供一种基于跨模态注意力机制融合的双模态目标检测方法与系统包括：获取待检测图像和毫米波雷达数据；对毫米波雷达数据进行预处理；将待检测图像和预处理后的毫米波雷达数据输入训练后的基于跨模态注意力机制融合的双模态目标检测模型中，得到检测结果；其中，基于跨模态注意力机制融合的双模态目标检测模型分别利用基于点云Transformer和稀疏编码卷积的雷达特征提取网络和CSPDarkNet53图像特征提取网络提取雷达特征和图像特征，在PANet输入、输出端不同尺度层级通过跨模态注意力复合特征融合模块融合雷达特征和图像特征，最后将融合特征输入到YOLOv5‑X的检测网络中进行检测并经过NMS处理得到检测结果；在nuScenes数据集下验证了本发明的有效性。

公开(公告)号：CN118968158A

公开(公告)日：2024-11-15

申请号：CN202411021313.5

申请日：2024-07-29

Applicant: 北京工业大学

Inventor： 任坤 ,  张天阳 ,  李茜 ,  杜永萍 ,  韩红桂

IPC: G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及了一种面向计算资源有限平台的高通量打包分拣对象识别方法、系统、设备及介质，方法包括：获取训练图像数据集；构建基于卷积和视觉变换器(ViT)的高通量打包分拣对象识别网络，该网络包括一个卷积嵌入模块，三个稀疏变换器(Transformer)模块，两个全局‑局部下采样模块，两个多层感知机MLP和一个分类器；利用物流分装打包对象图像数据集训练打包分拣对象识别网络，得到一个适用于计算资源有限平台的高通量打包分拣对象识别网络模型；采用高通量打包分拣对象网络模型对物流打包分拣图像进行处理，实现对打包分拣对象的识别；该方法可用于面向计算资源有限平台的高通量打包分拣对象识别任务。