公开(公告)号：CN119180997A

公开(公告)日：2024-12-24

申请号：CN202311519338.3

申请日：2023-11-13

Applicant: 武汉工程大学

Inventor： 卢涛 ,  郎秀娟 ,  汪家明 ,  张显鸿 ,  张彦铎 ,  朱柏霖

IPC: G06V10/774 ,  G06V10/40 ,  G06V10/80 ,  G06V20/13 ,  G06V20/40

Abstract: 本申请提供一种目标检测模型训练方法、装置、电子设备及存储介质，涉及计算机处理技术领域。方法包括：获取用于模型训练的数据集，将数据集输入待训练的初始检测模型中的特征提取网络，以对样本图像进行多尺度特征提取和注意力特征提取，得到每个样本图像对应的多个多尺度特征图；将各个多尺度特征图输入初始检测模型中的检测头，得到样本图像对应的检测结果，然后获取检测结果中每个待检测目标和每个待检测目标对应的真实目标之间的损失值，判断损失值是否满足预设模型收敛条件，若满足，则将满足预设模型收敛条件的初始检测模型作为目标检测模型。如此，可以改善传统目标识别类模型对视频卫星图像中的小目标检测精度低、效果差的问题。

公开(公告)号：CN117036985B

公开(公告)日：2024-02-06

申请号：CN202311299444.5

申请日：2023-10-09

Applicant: 武汉工程大学

Inventor： 卢涛 ,  张显鸿 ,  汪家明 ,  张彦铎 ,  吴云韬 ,  徐文霞 ,  于宝成

IPC: G06V20/13 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种面向视频卫星图像的小目标检测方法及装置，包括：获取待检测图像，对所述待检测图像进行预处理，得到目标图像；获取预设的标注框，基于K‑means聚类算法，利用所述标注框自适应计算目标图像的锚框；基于YOLOv5模型，构建边缘感知模块；其中边缘感知模块由通道注意力模块和空间注意力模块组成；为所述边缘感知模块构建边角对齐交并比损失函数；对所述锚框进行调整得到目标图像的预测框，基于所述交并比损失函数，通过具有预测框的目标图像对所述边缘感知模块进行训练，得到小目标检测模型；将所述待检测图像输入所述小目标检测模型，得到待检测图像的小目标检测结果。(56)对比文件Mengfan Xue.et al."One Spatio-Temporal Sharpening Attention Mechanismfor Light-Weight YOLO Models Based onSharpening Spatial Attention"《.MDPI》.2021,全文.Tao Sun. et al."Small objectdetection method based on YOLOv5 improvedmodel"《.IEEE》.2022,全文.

公开(公告)号：CN115393186A

公开(公告)日：2022-11-25

申请号：CN202210867096.6

申请日：2022-07-22

Applicant: 武汉工程大学

Inventor： 卢涛 ,  张显鸿 ,  程芳芳 ,  张彦铎 ,  方稳华

IPC: G06T3/40 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种人脸图像超分辨率重建方法、系统、设备及介质，涉及计算机视觉技术领域，该方法基于目标人脸图像超分辨率重建模型实现图像重建，该方法步骤包括：对待重建的低分辨率人脸图像进行浅层特征提取，得到第一浅层特征图像；对第一浅层特征图像进行深层特征提取，得到第一深层特征图像；根据第一浅层特征图像和第一深层特征图像，确定目标重建图像。本方法解决了通过现有的基于局部图像块和全局人脸统计的人脸图像超分辨率重建方法实现人脸图像超分辨率重建时全局结构不一致、局部细节丢失，导致重建效果不佳，以及现有的基于结构先验的人脸图像超分辨率重建方法实现人脸图像超分辨率重建存在生成的超分辨率人脸图像失真的问题。

公开(公告)号：CN118521518A

公开(公告)日：2024-08-20

申请号：CN202410583424.9

申请日：2024-05-11

Applicant: 武汉工程大学 ,  湖北文理学院 ,  武汉市烽视威科技有限公司 ,  武汉烽火技术服务有限公司

Inventor： 卢涛 ,  吕正 ,  张显鸿 ,  张彦铎 ,  殷周锋 ,  徐文霞 ,  向逸 ,  沈琼霞 ,  郑仁雷 ,  李旺 ,  刘海军

IPC: G06T5/92 ,  G06T5/50 ,  G06V10/80 ,  G06V10/82 ,  G06T5/60

Abstract: 本发明涉及一种基于空域增强的上采样方法、系统及计算设备。方法包括：实时获取机房巡检机器人的至少一帧巡检特征图；提高所述巡检特征图的通道数至第一预设倍数以获得通道特征图，并对所述通道特征图进行通道特征重组和卷积处理，获得第一待融合特征图；对所述巡检特征图上采样第二预设倍数以获得上采样特征图，并对所述上采样特征图进行维度调序、池化和拼接操作，获得第二待融合特征图；将所述第一待融合特征图和所述第二待融合特征图进行融合，获得目标特征图。该方法能够提高目标特征图中空域信息表达的能力，以使上采样后所获得的目标特征图中所丢失的信息较少，从而提高机房巡检机器人的巡检精度。

公开(公告)号：CN117315224A

公开(公告)日：2023-12-29

申请号：CN202311147316.9

申请日：2023-09-06

Applicant: 武汉工程大学 ,  杭州电子科技大学

Inventor： 卢涛 ,  陈世浩 ,  张显鸿 ,  侯平智 ,  徐晓滨 ,  汪家明 ,  张彦铎

IPC: G06V10/25 ,  G06V10/764 ,  G06V10/766

Abstract: 本发明提供一种改进边界框回归损失的目标检测方法、系统及介质，涉及计算机视觉技术领域；方法包括：步骤S1，预先对目标物体的真实边界框和类别进行标注，构成训练数据集；步骤S2，将训练数据集中的图片输入训练后的检测模型中进行预测，得到预测类别和预测边界框；步骤S3，构建损失函数，通过损失函数对定位损失进行计算；步骤S4，根据定位损失对检测模型进行优化，并将训练后的检测模型替换为优化检测模型，重复步骤S2‑S4，直至达到预设训练次数；步骤S5，将待检测图片输入训练后的优化检测模型进行预测，得到目标边界框位置和目标分类。通过构建边界框回归损失使预测框拟合度更高，从而优化检测模型，加快收敛，提升检测的精度。

公开(公告)号：CN117036985A

公开(公告)日：2023-11-10

申请号：CN202311299444.5

申请日：2023-10-09

Applicant: 武汉工程大学

Inventor： 卢涛 ,  张显鸿 ,  汪家明 ,  张彦铎 ,  吴云韬 ,  徐文霞 ,  于宝成

IPC: G06V20/13 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种面向视频卫星图像的小目标检测方法及装置，包括：获取待检测图像，对所述待检测图像进行预处理，得到目标图像；获取预设的标注框，基于K‑means聚类算法，利用所述标注框自适应计算目标图像的锚框；基于YOLOv5模型，构建边缘感知模块；其中边缘感知模块由通道注意力模块和空间注意力模块组成；为所述边缘感知模块构建边角对齐交并比损失函数；对所述锚框进行调整得到目标图像的预测框，基于所述交并比损失函数，通过具有预测框的目标图像对所述边缘感知模块进行训练，得到小目标检测模型；将所述待检测图像输入所述小目标检测模型，得到待检测图像的小目标检测结果。