公开(公告)号：CN118279558A

公开(公告)日：2024-07-02

申请号：CN202410358142.9

申请日：2024-03-27

Applicant: 南开大学

Inventor： 王胤哲 ,  王恺

IPC: G06V10/25 ,  G06V20/50 ,  G06V10/82 ,  G06N3/045 ,  G06N3/082

Abstract: 本发明公开一种露天工业场景下的多目标检测方法，步骤如下：获取露天工业场景下的多目标检测图像；将待检图像输入至多目标检测模型，得到多目标检测模型输出的待检测图像的目标检测结果；其中多目标检测模型包括残差网络、特征金字塔、注意力模块和检测头；检测头包括特征对齐模块和旋转特征检测模块；在模型输入端加入用于模型训练的雾气增强机制；注意力模块设在特征提取网络与检测头之间，其中，对通道数较小的浅层特征层应用空间注意力模块，对特征通道数较深的深层特征层应用空间注意力模块和像素注意力模块的组合结构；检测头处设置KL散度作为一致性损失，KL散度由特征对齐模块和旋转特征检测模块输出的分类特征图、特征回归图计算得到。

公开(公告)号：CN115587627A

公开(公告)日：2023-01-10

申请号：CN202211271767.9

申请日：2022-10-18

Applicant: 南开大学

Inventor： 王恺 ,  王胤哲 ,  盛晓颖 ,  李涛

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种细粒度导向的小目标检测方法，包括以下步骤：预处理小目标检测数据集，利用滑动窗口对训练图像进行裁剪；根据标注框位置信息，生成分割分支伪标签；对裁剪后的小目标图像做数据增强，再分别输入特征提取网络模型；将输出的特征矩阵输入到小目标检测分支和分割分支；小目标检测分支和分割分支并行训练、独立优化；直至特征提取网络模型收敛，训练阶段结束；测试阶段，移除分割分支，分割分支不参与模型推理过程。本发明在网络训练过程中，新增分割分支，引导特征提取网络对于输入图像细粒度特征的学习，并设计分割分支伪标签，消除背景噪音的影响，且在不增加模型推理计算代价的前提下针对性地提高模型对小目标检测能力。