公开(公告)号：CN118365866B

公开(公告)日：2024-10-11

申请号：CN202410789100.0

申请日：2024-06-19

Applicant: 安徽大学

Inventor： 潘雪莉 ,  韩明博 ,  廖桂生 ,  杨利霞 ,  邵荣 ,  李迎松

IPC: G06V10/25 ,  G06V10/28 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06V20/54 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G01S13/90

Abstract: 本发明公开了基于散射特征融合的SAR海面舰船目标检测方法及系统，属于SAR图像目标检测技术领域，方法包括以下步骤：获取待检测SAR舰船图像，对待检测SAR舰船图像进行超像素分割得到超像素分割块，再基于超像素分割块得到目标候选区域；将目标候选区域进行散射中心特征提取与重构处理，得到与目标候选区域对应的重构结果；将目标候选区域和重构结果输入至训练完成的散射特征融合网络进行预测判决，并生成检测框结果；对检测框结果进行非极大值抑制操作，并将抑制后的检测框进行合并，得到最终检测结果。

公开(公告)号：CN118628905A

公开(公告)日：2024-09-10

申请号：CN202410654998.0

申请日：2024-05-24

Applicant: 安徽大学

Inventor： 潘雪莉 ,  邵荣 ,  丁大维 ,  廖桂生 ,  杨利霞 ,  韩明博

IPC: G06V20/10 ,  G06V10/52 ,  G06V10/30 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种多尺度特征增强深度学习SAR舰船检测方法，包括：对SAR船舶检测数据预处理；根据YOLOv7架构，设计多尺度感知SAR舰船特征提取主干MPFEBackbone，利用混合特征注意构建颈部网络，形成MHF‑SARNet舰船目标检测模型；引入动态非单调聚焦损失函数Wise‑IOU作为边界框回归损失；进行迭代训练；将待检测图片输入训练好的MHF‑SARNet舰船目标检测模型中进行检测，得到SAR舰船目标检测结果。本发明以YOLOv7网络模型为原型进行设计，提高全局依赖特性，捕获丰富所捕获的细节信息，大大增强了模型对复杂背景干扰的恢复能力；提高了对舰船目标的识别率；在多尺度目标场景下，性能更加优越，对舰船有更高的识别率；提高了船舶检测精度，使其成为该领域的重大进步。

公开(公告)号：CN118365866A

公开(公告)日：2024-07-19

申请号：CN202410789100.0

申请日：2024-06-19

Applicant: 安徽大学

Inventor： 潘雪莉 ,  韩明博 ,  廖桂生 ,  杨利霞 ,  邵荣 ,  李迎松

IPC: G06V10/25 ,  G06V10/28 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06V20/54 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G01S13/90

Abstract: 本发明公开了基于散射特征融合的SAR海面舰船目标检测方法及系统，属于SAR图像目标检测技术领域，方法包括以下步骤：获取待检测SAR舰船图像，对待检测SAR舰船图像进行超像素分割得到超像素分割块，再基于超像素分割块得到目标候选区域；将目标候选区域进行散射中心特征提取与重构处理，得到与目标候选区域对应的重构结果；将目标候选区域和重构结果输入至训练完成的散射特征融合网络进行预测判决，并生成检测框结果；对检测框结果进行非极大值抑制操作，并将抑制后的检测框进行合并，得到最终检测结果。