-
公开(公告)号：CN117635637B
公开(公告)日：2024-06-11
申请号：CN202311596804.8
申请日：2023-11-28
Applicant: 北京航空航天大学
IPC: G06T7/11 , G06T7/136 , G06T7/155 , G06T7/80 , G06T5/70 , G06V10/25 , G06V10/30 , G06V10/764 , G06F18/2411
Abstract: 本发明公开了一种自主构想的智能目标动态探测系统，该系统包括关键区域重配置成像单元和目标动态探测单元。所述关键区域重配置成像单元用于自主构想输入视频的关键区域并重新配置相机参数，提高关键区域成像质量；目标动态探测单元用于完成一系列连贯探测阶段的自适应决策切换，包括目标自动检出、目标自动锁定、丢失目标重捕和长时间丢失目标重初始化阶段。受益于关键区域重配置成像单元，初始成像中的冗余背景被大量去除同时目标细节信息也得到明显增强，这极大程度降低了探测环境的复杂性进而大幅提高了目标动态探测单元的探测准确性。
-
公开(公告)号：CN117635637A
公开(公告)日：2024-03-01
申请号：CN202311596804.8
申请日：2023-11-28
Applicant: 北京航空航天大学
IPC: G06T7/11 , G06T7/136 , G06T7/155 , G06T7/80 , G06T5/70 , G06V10/25 , G06V10/30 , G06V10/764 , G06F18/2411
Abstract: 本发明公开了一种自主构想的智能目标动态探测系统，该系统包括关键区域重配置成像单元和目标动态探测单元。所述关键区域重配置成像单元用于自主构想输入视频的关键区域并重新配置相机参数，提高关键区域成像质量；目标动态探测单元用于完成一系列连贯探测阶段的自适应决策切换，包括目标自动检出、目标自动锁定、丢失目标重捕和长时间丢失目标重初始化阶段。受益于关键区域重配置成像单元，初始成像中的冗余背景被大量去除同时目标细节信息也得到明显增强，这极大程度降低了探测环境的复杂性进而大幅提高了目标动态探测单元的探测准确性。
-
公开(公告)号：CN112766092A
公开(公告)日：2021-05-07
申请号：CN202110007074.8
申请日：2021-01-05
Applicant: 北京航空航天大学
Abstract: 本发明属于图像处理领域，公开了一种基于类脑神经网络的背景类别快速识别方法及其应用，是利用经过学习的卷积神经网络，针对输入的实景图像通过函数进行目标‑背景判别。本发明通过引入类脑神经网络加强模型对目标‑背景判别的准确性，省略梯度反传的过程，加速模型的处理速度。本发明适用于对图像进行目标‑背景快速识别，尤其适用于无人机对其监控区域的目标‑背景识别。
-
公开(公告)号：CN112560799A
公开(公告)日：2021-03-26
申请号：CN202110006899.8
申请日：2021-01-05
Applicant: 北京航空航天大学
Abstract: 本发明属于目标检测和图像处理技术领域，公开了一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法和应用，该检测方法是通过卷积神经网络提取图像特征，并进行特征融合和反卷积，构建预设锚框选区，引入自适应搜索与正和博弈理论进行计算，最终输出检测结果。本发明显著提高运动目标时的视角变化场景中，成像面视角发生随机改变情况下车辆目标检测的精确度。本发明用于对无人机监控拍摄的车辆图像进行目标检测，检测结果精度高、未召回框的数量少。
-
公开(公告)号：CN112560799B
公开(公告)日：2022-08-05
申请号：CN202110006899.8
申请日：2021-01-05
Applicant: 北京航空航天大学
IPC: G06V20/17 , G06V10/25 , G06V10/82 , G06V10/80 , G06V10/774 , G06V20/52 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于目标检测和图像处理技术领域，公开了一种基于自适应目标区域搜索和博弈的无人机智能车辆目标检测方法和应用，该检测方法是通过卷积神经网络提取图像特征，并进行特征融合和反卷积，构建预设锚框选区，引入自适应搜索与正和博弈理论进行计算，最终输出检测结果。本发明显著提高运动目标时的视角变化场景中，成像面视角发生随机改变情况下车辆目标检测的精确度。本发明用于对无人机监控拍摄的车辆图像进行目标检测，检测结果精度高、未召回框的数量少。
-
Patent Agency Ranking
公开(公告)号：CN113850176A
公开(公告)日：2021-12-28
申请号：CN202111105814.8
申请日：2021-09-22
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种基于多模态遥感图像细粒度弱特征的目标涌现检测方法，先对标注过的多模态遥感数据进行预处理及数据划分；然后利用结合了三维卷积模块的深度卷积网络实现对多模态数据的通道优选及高层语义信息提取；利用原始标注信息构建语义引导模块对原始特征图进行类注意力机制的引导，实现对细粒度特征的提取；最后使用单阶段的检测头，在语义引导模块修正后的特征图上进行目标类别与位置信息的预测，通过位置信息解码得到最终结果。该种检测方法通过三维卷积模块实现通道维的优选、语义引导模块实现空间维的特征图修正，针对多模态遥感数据中的弱特征目标的检测效果好且能够满足对多模态遥感图像数据进行实时处理的需求。
-
公开(公告)号：CN108093175B
公开(公告)日：2018-11-13
申请号：CN201711419404.4
申请日：2017-12-25
Applicant: 北京航空航天大学
Abstract: 本发明涉及一种实时高清视频自适应去雾方法及装置，该装置包括视频图像采集模块，视频图像去雾处理模块，通讯接口模块，视频图像编码与显示模块；视频图像采集模块实现视频信号的采集与解码，视频图像去雾处理模块实现视频信号的去雾处理，通讯接口模块实现装置与上位机的指令交换，视频图像编码与显示模块实现视频的编码输出与显示。该方法是根据高清图像数据量大的特点，采用合理的假设，提出了一种计算量较小的透射率与大气光强的估计方法；在提高去雾效果的同时大大降低了计算量，保证去雾算法的实时性，同时使图像更加平滑，更加自然。本发明结构简单，易于实现，可以根据雾、霾的浓度自适应选择去雾强度，更加的智能化和人性化。
-
公开(公告)号：CN108093175A
公开(公告)日：2018-05-29
申请号：CN201711419404.4
申请日：2017-12-25
Applicant: 北京航空航天大学
CPC classification number: H04N5/23229 , H04N5/217 , H04N5/372 , H04N9/045 , H04N9/64
Abstract: 本发明涉及一种实时高清视频自适应去雾方法及装置，该装置包括视频图像采集模块，视频图像去雾处理模块，通讯接口模块，视频图像编码与显示模块；视频图像采集模块实现视频信号的采集与解码，视频图像去雾处理模块实现视频信号的去雾处理，通讯接口模块实现装置与上位机的指令交换，视频图像编码与显示模块实现视频的编码输出与显示。该方法是根据高清图像数据量大的特点，采用合理的假设，提出了一种计算量较小的透射率与大气光强的估计方法；在提高去雾效果的同时大大降低了计算量，保证去雾算法的实时性，同时使图像更加平滑，更加自然。本发明结构简单，易于实现，可以根据雾、霾的浓度自适应选择去雾强度，更加的智能化和人性化。
-
公开(公告)号：CN107895357A
公开(公告)日：2018-04-10
申请号：CN201711419415.2
申请日：2017-12-25
Applicant: 北京航空航天大学
CPC classification number: G06T5/003 , G06T5/50 , G06T2207/10024 , G06T2207/20221
Abstract: 本发明涉及一种基于FPGA的实时水面浓雾场景图像增强方法，包括以下步骤：第一，对输入图像进行自动白平衡校正；第二，对白平衡校正之后的数据进行色彩空间变换；第三，利用暗原色先验理论，估计大气光强A与透射率t(x)；第四，对RGB三个通道数据分别进行去雾处理；第五，对去雾之后的RGB通道进行亮度校正；第六，对自动白平衡校正之后的图像进行细节保持的对比度增强；第七，对第五步和第六步得到的图像进行图像融合；第八，对融合之后的图像进行色彩空间逆变换，由RGB色彩空间变为原始输入的色彩空间。本发明具有针对水面浓雾场景的去雾效果，可以显著增强图像细节和对比度，增强了在水面浓雾的情况下发现和识别目标的能力，使视频更适宜人眼观看。
-
公开(公告)号：CN116883681A
公开(公告)日：2023-10-13
申请号：CN202310999356.X
申请日：2023-08-09
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于对抗生成网络的域泛化目标检测方法。首先构造特征提取网络对输入图像特征进行提取；构造域激励注意力模块对特征提取网络提取的特征进行进一步提取，提高其域泛化能力；构造特征金字塔网络FPN对特征提取网络特征进行多尺度融合；构造对抗生成网络正则化模块，将FPN提取的特征与标准高斯分布进行对齐，避免FPN过拟合；构造检测头网络，预测检测目标的位置、类别与目标中心位置；构造目标中心对齐模块，对FPN提取的特征进行对抗训练，进一步提升FPN提取特征的域泛化能力。本发明采用的网络结构设计合理，能够克服现有目标检测方法提取特征泛化能力弱等问题，增强目标检测的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
