公开(公告)号：CN111738295B

公开(公告)日：2024-03-22

申请号：CN202010442780.0

申请日：2020-05-22

Applicant: 南通大学

Inventor： 邵叶秦 ,  曹秋阳 ,  许昌炎 ,  丁政年 ,  向阳

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供一种图像的分割方法及存储介质，所述图像的分割方法包括获取步骤、训练步骤、优化步骤以及测试步骤。本发明通过使用特征区域的边缘来表示目标，即先得到目标的边缘图像，将目标的边缘图像映射到新的距离空间，在该距离空间中用零距离表示目标区域的边缘，然后在新的距离空间中计算全局损失函数，并在深度学习模型框架下，进行不断的迭代使损失函数的值最小，直至模型收敛。可以提高分割结果的鲁棒性，提升算法的分割性能。

公开(公告)号：CN111062383A

公开(公告)日：2020-04-24

申请号：CN201911065233.9

申请日：2019-11-04

Applicant: 南通大学

Inventor： 邵叶秦 ,  丁政年 ,  李志伟 ,  马雪仪 ,  李杰 ,  向阳 ,  施佺

IPC: G06K9/32 ,  G06N3/04

Abstract: 本发明公开了一种基于图像的船舶检测深度神经网络算法，包括：第一步，将图像上采样，使图像长宽都变成原有的两倍；第二步，将图像划分为S*S的网格，对每一个网格本发明预测B个边界预测，每一个边界预测都给出包含船舶位置、置信度和分类概率的6个参数；第三步，通过级联空洞卷积神经网络来提取每个网格的特征，通过特征融合实现多分辨率的船舶边界预测，确定船舶的位置；第四步，设计损失函数，通过设置不同的比例因子平衡有船体部分的预测框和没有船体部分的预测框。本发明基于卷积神经网络在计算机视觉领域的研究，在特征学习的基础上将分类和回归融合在一个深度神经网络中进行多目标实时检测，具有很强的准确性和快速性。

公开(公告)号：CN111738295A

公开(公告)日：2020-10-02

申请号：CN202010442780.0

申请日：2020-05-22

Applicant: 南通大学

Inventor： 邵叶秦 ,  曹秋阳 ,  许昌炎 ,  丁政年 ,  向阳

IPC: G06K9/62 ,  G06T7/11 ,  G06T7/12 ,  G06T5/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种图像的分割方法及存储介质，所述图像的分割方法包括获取步骤、训练步骤、优化步骤以及测试步骤。本发明通过使用特征区域的边缘来表示目标，即先得到目标的边缘图像，将目标的边缘图像映射到新的距离空间，在该距离空间中用零距离表示目标区域的边缘，然后在新的距离空间中计算全局损失函数，并在深度学习模型框架下，进行不断的迭代使损失函数的值最小，直至模型收敛。可以提高分割结果的鲁棒性，提升算法的分割性能。