公开(公告)号：CN115601656A

公开(公告)日：2023-01-13

申请号：CN202211264578.9

申请日：2022-10-17

Applicant: 北京理工大学(CN)

Inventor： 刘明 ,  易伟超 ,  董立泉 ,  蔡博雍 ,  赵跃进 ,  惠梅 ,  孔令琴 ,  刘玉雪 ,  王艳红

IPC: G06V20/13 ,  G06V10/20 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明提出了一种用于分析云雾对舰船目标检测影响的方法。首先，对获取得到的清晰遥感舰船图像进行添加云雾处理，即通过基于物理模型的云雾模拟技术，生成随机大小、形状和透明度的云雾模板，以逐像素叠加融合的方式获得带有云雾遮挡的遥感舰船图像。其次，构建舰船目标检测模型，提取不同云雾遮挡遥感舰船图像的风格特征，生成其对应的特征嵌入表示，作为后续误差分类网络的输入。最后，设计搭建误检分类网络模型，输入为不同的风格特征嵌入表示，输出舰船图像的误检率。利用网络可解释性方法，对影响检测网络输出的图像特征影响因素进行分析，根据分析结果评估在图像中加入的云雾遮挡因素对目标检测造成的影响。本发明所提出的方法对目标检测中的云雾遮挡异常影响因素进行探究分析，有效的提升了目标检测网络的适应性。

公开(公告)号：CN115601657A

公开(公告)日：2023-01-13

申请号：CN202211270809.7

申请日：2022-10-17

Applicant: 北京理工大学(CN)

Inventor： 董立泉 ,  易伟超 ,  刘明 ,  蔡博雍 ,  赵跃进 ,  惠梅 ,  孔令琴

IPC: G06V20/13 ,  G06V10/30 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及图像去雾、目标检测等领域，针对恶劣天气下舰船检测难、精度低等问题，提出了一种应用于恶劣天气下舰船目标检测与识别的方法。其中包括两个阶段：首先，通过一个去雾模型将雾化图像转化为清晰无雾图像；其次，利用一个改进型的检测网络对处理后的清晰输入进行目标检测任务，识别定位感兴趣的舰船目标。去雾模型由CNN分支、transformer分支与融合分支组成。其中，CNN分支负责局部特征提取，transformer分支用于长距离的全局特征依赖，融合分支实现特征自适应方式融。检测模型基于原始的YOLOV5架构，利用多分支卷积结构替换原始的特征提取模块，提升检测性能。本发明能够缓解恶劣天气下舰船目标检测精度低等问题，具有较高的实用价值。

公开(公告)号：CN115601261A

公开(公告)日：2023-01-13

申请号：CN202211264570.2

申请日：2022-10-17

Applicant: 北京理工大学(CN)

Inventor： 董立泉 ,  易伟超 ,  刘明 ,  蔡博雍 ,  惠梅 ,  孔令琴 ,  赵跃进

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于对比学习的半监督图像去雾方法。分别利用仿真数据集和真实未匹配的数据集对所提出的去雾模型进行训练，缩小了仿真数据与真实雾霾数据之间的域差异，有效的提升了去雾模型的泛化能力。该去雾模型包含有两个分支，即有监督去雾分支和无监督去雾分支。具体来说，有监督去雾分支采用匹配的雾化‑清晰数据集用于训练，通过MSE损失函数和结构化损失函数对模型进行优化约束。无监督去雾分支利用未匹配的数据集，即真实雾霾图像和清晰无雾图像，通过暗通道先验损失函数和梯度损失函数对模型进行无监督的优化约束。此外，在无监督去雾分支中，引入对比学习范式，构建一个共享的特征潜在空间。其中，将有雾图像看作为负样本，无雾图像看作为正样本，使得生成的去雾图像拉近正样本而推离负样本，提升模型的去雾能力。综上所述，本发明能够有效实现图像去雾目的，适用于目标检测、跟踪等任务，具有较为广泛的应用前景。