公开(公告)号：CN119478663A

公开(公告)日：2025-02-18

申请号：CN202411453124.5

申请日：2024-10-17

Applicant: 中国科学院软件研究所 ,  北京理工大学

Inventor： 司凌宇 ,  董洪伟 ,  张睿恒 ,  强文文

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于目标背景因果纠偏学习的海上目标识别方法及系统，属于遥感探测技术领域。本发明对海上目标区域进行探测，获取海上图像数据集；利用两种深度神经网络对海上图像数据集进行图像特征提取和图像语义激活；基于因果干预理论的特征校准方法对提取的图像特征和激活的图像语义进行融合，消除图像中背景噪声，获得目标特征语义；基于深度学习对目标特征语义进行识别和分类，输出目标类别的分类结果。本发明基于目标背景因果纠偏学习来识别海上目标，提高海上目标识别的准确性。

公开(公告)号：CN117764870A

公开(公告)日：2024-03-26

申请号：CN202311843689.X

申请日：2023-12-29

Applicant: 北京理工大学

Inventor： 徐立新 ,  杨志东 ,  张睿恒 ,  丁伯圣 ,  司凌宇 ,  刘雨蒙 ,  姚懿恒

IPC: G06T5/73 ,  G06T3/04 ,  G06T5/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于域适应的图像去沙尘方法，属于计算机视觉与图像处理技术领域。在图像风格统一阶段，采用一种自适应的退化通道像素值补偿技术，将退化通道整体加上一个补偿值，矫正沙尘颗粒造成的图像失真。经过图像风格统一，不同沙尘颗粒浓度下的沙尘图像均能够调整至一个风格统一的中间域。采用基于域适应的神经网络模型训练方法，将有监督训练与无监督训练相结合，进一步对中间域图像细节进行增强，在成对雾图上训练得到模型后，采用域适应技术将其泛化至沙尘图像，使得其在沙尘图像上也能够发挥作用。本方法有效解决了现有图像去沙尘技术不够灵活，不能兼顾所有浓度的沙尘图像，以及不能在真实沙尘图像上发挥作用的问题。