-
Patent Agency Ranking
公开(公告)号：CN118799766B
公开(公告)日：2024-11-15
申请号：CN202411283076.X
申请日：2024-09-13
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于PCRS‑YOLO网络的无人机航拍目标检测方法，包括如下步骤：步骤1、获取公开的无人机航拍图像数据集，并预处理；步骤2、配置模型训练环境；步骤3、构建PCRS‑YOLO网络模型；步骤4、将构建的PCRS‑YOLO网络模型加载至配置好的训练环境中，然后使用预先划分好的训练集和验证集对网络模型进行训练和验证；步骤5、将待检测的图像作为输入，通过训练并验证后的PCRS‑YOLO网络模型进行无人机航拍目标检测。该方法适用于无人机平台的小目标检测算法，解决复杂环境下小目标检测面临的误检、漏检、检测率低等问题，具有非常重要的现实意义。
-
公开(公告)号：CN118799766A
公开(公告)日：2024-10-18
申请号：CN202411283076.X
申请日：2024-09-13
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于PCRS‑YOLO网络的无人机航拍目标检测方法，包括如下步骤：步骤1、获取公开的无人机航拍图像数据集，并预处理；步骤2、配置模型训练环境；步骤3、构建PCRS‑YOLO网络模型；步骤4、将构建的PCRS‑YOLO网络模型加载至配置好的训练环境中，然后使用预先划分好的训练集和验证集对网络模型进行训练和验证；步骤5、将待检测的图像作为输入，通过训练并验证后的PCRS‑YOLO网络模型进行无人机航拍目标检测。该方法适用于无人机平台的小目标检测算法，解决复杂环境下小目标检测面临的误检、漏检、检测率低等问题，具有非常重要的现实意义。
-
公开(公告)号：CN117315293A
公开(公告)日：2023-12-29
申请号：CN202311254115.9
申请日：2023-09-26
Applicant: 杭州电子科技大学
IPC: G06V10/62 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/26 , G06V20/70 , G06V10/75 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了基于Transformer的时空上下文目标跟踪方法及系统，方法如下：S1、图像的获取及预处理；S2、将图像输入至主干网络，通过Transformer编码器得到搜索区域特征、初始模板特征与动态更新模板特征；S3、将输出作为交互式特征增强模块的输入，采用多头交叉自注意力机制，得到混合特征；S4、将混合特征与目标查询作为Transformer解码器的输入，其中把Transformer解码器中的掩码自注意力机制部分采用多头自注意力机制层；得到Transformer解码器的输出后，计算该输出与混合特征嵌入之间的相似性并进行特征重塑，计算角点概率分布的期望得到边界预测框；S5、将Transformer解码器得到的输出作为得分头部的输入，得分头部由全连接层FFN与softmax激活函数组成，设置阈值判别是否进行模板更新。
-
公开(公告)号：CN118521929B
公开(公告)日：2024-10-15
申请号：CN202410988027.X
申请日：2024-07-23
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进RT‑DETR网络的无人机航拍小目标检测方法，其特征在于，包括如下步骤：步骤1、获取公开数据集并预处理；步骤2、构建小目标检测模型，以RT‑DETR网络为基础网络，所述RT‑DETR网络包括主干网络和高效混合编码器，将主干网络Resnet‑r18中的常规卷积替换成部分卷积重参数模块；将高效混合编码器中的AIFI模块替换为可变形注意力模块；在高效混合编码器的CCFM模块中引入p2检测头得到CCFM‑p2模块；步骤3、配置训练环境将预处理的数据集作为输入对小目标检测模型进行训练；步骤4、应用完成训练的小目标检测模型，将待检测的目标图像作为输入输出检测结果。该方法降低模型的参数量与计算量，并且能够更好的捕获图像中的结构信息和语义特征，提高了对小目标的敏感度，以获得更好的检测结果。
-
公开(公告)号：CN118521929A
公开(公告)日：2024-08-20
申请号：CN202410988027.X
申请日：2024-07-23
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进RT‑DETR网络的无人机航拍小目标检测方法，其特征在于，包括如下步骤：步骤1、获取公开数据集并预处理；步骤2、构建小目标检测模型，以RT‑DETR网络为基础网络，所述RT‑DETR网络包括主干网络和高效混合编码器，将主干网络Resnet‑r18中的常规卷积替换成部分卷积重参数模块；将高效混合编码器中的AIFI模块替换为可变形注意力模块；在高效混合编码器的CCFM模块中引入p2检测头得到CCFM‑p2模块；步骤3、配置训练环境将预处理的数据集作为输入对小目标检测模型进行训练；步骤4、应用完成训练的小目标检测模型，将待检测的目标图像作为输入输出检测结果。该方法降低模型的参数量与计算量，并且能够更好的捕获图像中的结构信息和语义特征，提高了对小目标的敏感度，以获得更好的检测结果。
-
-
-
-
Search Results
5
records
(took 0.022 seconds)
