-
-
-
公开(公告)号:CN111931857B
公开(公告)日:2022-09-02
申请号:CN202010819355.9
申请日:2020-08-14
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于MSCFF的低照度目标检测方法,其特征在于,包括如下步骤:1)依据公开标准数据集建立来源图像;2)光照估计的训练;3)特征提取的训练;4)训练目标检测提取预测框;5)对预测框进行非极大值抑制;6)对整个低照度目标检测网络进行Fine tuning与低照度图像目标检测。这种方法使得目标检测在低照度图像上特征图的表达能力更好、图像目标检测的精度更高。
-
公开(公告)号:CN115908812A
公开(公告)日:2023-04-04
申请号:CN202211527335.X
申请日:2022-11-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种注意力引导的可变形自注意力的语义分割方法,使用权重分离的通道注意力模块将不同权重的注意力特征通道进行分离。使用可变形自注意力的Transformer对高权重特征图进行特征提取,通过可变形自注意力窗口模块将切分的图像块变成适应目标形状的不规则的形状,然后进行填充成正方形图像块后送入Transformer,可以使自注意力更加聚焦于特征图中更关键的区域并获取更多的特征信息。使用双权重的双注意力模块对低权重特征图进行特征提取,通过获取特征图不同尺度的空间和通道注意力并进行聚合,可以使空间和通道注意力更好地得到特征图的空间和通道信息。本发明能够让语义分割的内存和计算成本更低,提升分割精度。
-
公开(公告)号:CN111931857A
公开(公告)日:2020-11-13
申请号:CN202010819355.9
申请日:2020-08-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于MSCFF的低照度目标检测方法,其特征在于,包括如下步骤:1)依据公开标准数据集建立来源图像;2)光照估计的训练;3)特征提取的训练;4)训练目标检测提取预测框;5)对预测框进行非极大值抑制;6)对整个低照度目标检测网络进行Fine tuning与低照度图像目标检测。这种方法使得目标检测在低照度图像上特征图的表达能力更好、图像目标检测的精度更高。
-
-
-
-