-
公开(公告)号：CN114419297A
公开(公告)日：2022-04-29
申请号：CN202210069011.X
申请日：2022-01-21
Applicant: 吉林大学
Abstract: 一种基于背景风格迁移的3D目标迷彩生成方法，涉及计算机视觉及深度学习领域，包括：选择3D目标模型和藏匿的场景图像；选定3D目标模型渲染迷彩图案后在场景图像中的位置区域并提取背景图像；利用多边形网格方式表示3D目标模型；构建风格迁移神经网络、风格特征提取网络和神经网络渲染器；利用风格迁移神经网络将场景图像中提取的背景风格迁移至3D目标模型中，生成迷彩图案；利用神经网络渲染器将迷彩图案渲染至3D目标模型表面；将渲染迷彩图案后的3D目标模型融合到场景图像中；利用目标检测网络验证迷彩图案的有效性。本发明保证了迷彩图案在目标上的连续性，提高了目标伪装效果，所生成的迷彩图案质量高、抗侦察能力强。
-
公开(公告)号：CN114419297B
公开(公告)日：2024-10-15
申请号：CN202210069011.X
申请日：2022-01-21
Applicant: 吉林大学
Abstract: 一种基于背景风格迁移的3D目标迷彩生成方法，涉及计算机视觉及深度学习领域，包括：选择3D目标模型和藏匿的场景图像；选定3D目标模型渲染迷彩图案后在场景图像中的位置区域并提取背景图像；利用多边形网格方式表示3D目标模型；构建风格迁移神经网络、风格特征提取网络和神经网络渲染器；利用风格迁移神经网络将场景图像中提取的背景风格迁移至3D目标模型中，生成迷彩图案；利用神经网络渲染器将迷彩图案渲染至3D目标模型表面；将渲染迷彩图案后的3D目标模型融合到场景图像中；利用目标检测网络验证迷彩图案的有效性。本发明保证了迷彩图案在目标上的连续性，提高了目标伪装效果，所生成的迷彩图案质量高、抗侦察能力强。
-
公开(公告)号：CN116524354A
公开(公告)日：2023-08-01
申请号：CN202310354793.6
申请日：2023-04-04
Applicant: 吉林大学
Abstract: 一种基于显著特征的轻量化SAR舰船检测方法属合成孔径雷达(简称：SAR)图像舰船目标检测领域，本发明的方法基于深度学习，包括轻量化骨干网络、显著的特征金字塔网络和基于IoU的回归质量估计。轻量化骨干网络的各个卷积块由普通卷积和深度可分离卷积模块构成，深度可分离卷积，可在很大程度上减少模型的参数量，有利于在移动平台地部署；显著的特征金字塔网络将显著性模块与特征金字塔网络相结合，增强待检测舰船目标的显著性，减少背景的干扰；基于IoU的回归质量估计可有效提高检测精度。实验结果证明，本发明的方法总参数量少于1兆，能快速并准确地检测SAR图像中的舰船目标。
-
-
Search Results
3
records
(took 0.02 seconds)
