-
公开(公告)号：CN119006798A
公开(公告)日：2024-11-22
申请号：CN202411455746.1
申请日：2024-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本发明公开了基于上下文感知和高斯流表征的SAR图像小样本目标检测系统及方法，属于目标识别技术领域，系统包括：图像采集模块、上下文感知增强模块、流形类分布估计模块、类平衡差分聚合模块和余弦解耦模块；图像采集模块用于获取待查询SAR图像；上下文感知增强模块将最具语义信息代表的支持特征提炼为支持类原型，并得到原始查询特征；流形类分布估计模块将支持特征转换为复杂的类分布；类平衡差分聚合模块基于类分布将不同类别的原始查询特征和支持特征进行深度语义特征聚合得到聚合后查询特征；余弦解耦模块利用一个经过特征归一化、余弦相似度量和可学习缩放因子处理的分类分支处理原始查询特征和聚合后查询特征，得到目标识别结果。
-
公开(公告)号：CN115546555B
公开(公告)日：2024-05-03
申请号：CN202211274361.6
申请日：2022-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法，属于SAR图像目标检测技术领域，包括以下步骤：构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型；将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中，输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet，从更加均衡的角度解决SAR图像舰船目标检测的问题，在大大减小参数量和计算量的同时，检测精度也得到一定保证和提升。
-
公开(公告)号：CN111516700A
公开(公告)日：2020-08-11
申请号：CN202010391108.3
申请日：2020-05-11
Applicant: 安徽大学
Abstract: 本发明涉及一种驾驶员分心细粒度监测方法和系统。所述方法包括：获取驾驶员的时序数据和驾驶员分心监测模型；采用所述驾驶员分心监测模型，根据所述驾驶员的时序数据得到预测向量；根据所述预测向量确定所述驾驶员的分心状态。本发明提供的驾驶员分心细粒度监测方法和系统，通过采用基于神经架构搜索算法自动构建的驾驶员分心监测模型能够提取更为丰富的多尺度特征，表征不同分心状态之间的细微差异，进而实现对驾驶员的细粒度分心状态的精准监测。
-
公开(公告)号：CN115240078B
公开(公告)日：2024-05-07
申请号：CN202210723547.9
申请日：2022-06-24
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0495 , G06N3/0985
Abstract: 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
公开(公告)号：CN117115170A
公开(公告)日：2023-11-24
申请号：CN202311385351.4
申请日：2023-10-25
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06T7/00 , G06N3/088 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种无监督域自适应SAR舰船检测方法及系统，包括以下步骤：获取光学舰船图像和SAR舰船图像；构建UDA‑SARDet模型；将所述光学舰船图像和所述SAR舰船图像作为所述UDA‑SARDet模型的输入数据进行训练与测试；利用通过测试的所述UDA‑SARDet模型完成对SAR图像舰船检测。本发明使用未标注的SAR舰船图像和现有的已标注的光学数据集，高效完成SAR图像的舰船检测任务。同时设计全新的网络模型结构和IoU损失函数，解决了SAR图像舰船目标多尺度、特征少、信息容易丢失等问题，提升了模型的检测性能。
-
Patent Agency Ranking
公开(公告)号：CN115546555A
公开(公告)日：2022-12-30
申请号：CN202211274361.6
申请日：2022-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法，属于SAR图像目标检测技术领域，包括以下步骤：构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型；将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中，输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet，从更加均衡的角度解决SAR图像舰船目标检测的问题，在大大减小参数量和计算量的同时，检测精度也得到一定保证和提升。
-
公开(公告)号：CN115240078A
公开(公告)日：2022-10-25
申请号：CN202210723547.9
申请日：2022-06-24
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
公开(公告)号：CN118967735B
公开(公告)日：2024-12-31
申请号：CN202411441463.1
申请日：2024-10-16
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了一种基于视觉基础模型的SAR图像舰船分割方法及系统，涉及图像处理领域，其中方法步骤包括：采集待分割的舰船SAR图像；构建SARSAM模型，SARSAM模型包括：在基础的SAM模型上引入自适应小波软阈值模块、形态学适配器和提示器；自适应小波软阈值模块用于去除舰船SAR图像中的相干光斑噪声，形态学适配器用于减小SARSAM模型的计算资源，提示器用于解决目标不平滑问题；利用SARSAM模型完成舰船SAR图像的分割。本发明通过创新性设计解决了SAM模型在SAR领域中应用时性能下降的问题，同时相较于其他SAR图像舰船分割方法表现出更优异的性能。
-
公开(公告)号：CN119006798B
公开(公告)日：2024-12-27
申请号：CN202411455746.1
申请日：2024-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本发明公开了基于上下文感知和高斯流表征的SAR图像小样本目标检测系统及方法，属于目标识别技术领域，系统包括：图像采集模块、上下文感知增强模块、流形类分布估计模块、类平衡差分聚合模块和余弦解耦模块；图像采集模块用于获取待查询SAR图像；上下文感知增强模块将最具语义信息代表的支持特征提炼为支持类原型，并得到原始查询特征；流形类分布估计模块将支持特征转换为复杂的类分布；类平衡差分聚合模块基于类分布将不同类别的原始查询特征和支持特征进行深度语义特征聚合得到聚合后查询特征；余弦解耦模块利用一个经过特征归一化、余弦相似度量和可学习缩放因子处理的分类分支处理原始查询特征和聚合后查询特征，得到目标识别结果。
-
公开(公告)号：CN117115170B
公开(公告)日：2024-01-12
申请号：CN202311385351.4
申请日：2023-10-25
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06T7/00 , G06N3/088 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种无监督域自适应SAR舰船检测方法及系统，包括以下步骤：获取光学舰船图像和SAR舰船图像；构建UDA‑SARDet模型；将所述光学舰船图像和所述SAR舰船图像作为所述UDA‑SARDet模型的输入数据进行训练与测试；利用通过测试的所述UDA‑SARDet模型完成对SAR图像舰船检测。本发明使用未标注的SAR舰船图像和现有的已标注的光学数据集，高效完成SAR图像的舰船检测任务。同时设计全新的网络模型结构和IoU损失函数，解决了SAR图像舰船目标多尺度、特征少、信息容易丢失等问题，提升了模型的检测性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.019 seconds)
