-
公开(公告)号：CN118351413A
公开(公告)日：2024-07-16
申请号：CN202410596879.4
申请日：2024-05-14
Applicant: 河南科技大学
IPC: G06V10/80 , G06V10/77 , G06V10/44 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/143 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0985 , G06N3/048
Abstract: 用于小样本红外目标检测的二阶池化注意力特征增强方法，沿通道维度计算特征图的各个通道之间的协方差，并沿通道维度计算特征图各个通道的标准差，将两个通道的协方差除以两个通道的标准差得到归一化协方差矩阵。归一化协方差矩阵激活得到反映各个通道之间相关程度的通道注意力权重向量，与特征图相乘后得到抑制复杂背景、强化目标特征的特征图。该方法适用于小样本下的红外目标检测，能够降低复杂背景的影响，增强红外目标特征。应用到基于元学习的小样本红外目标检测，能够引导元特征学习器学习到对小样本新类识别有帮助的元特征，提高目标检测性能。
-
公开(公告)号：CN118644752A
公开(公告)日：2024-09-13
申请号：CN202410588995.1
申请日：2024-05-13
Applicant: 河南科技大学
Abstract: 一种全局‑局部上下文自适应加权融合目标特征增强方法，将输入特征图进行随机重组，多样性地改变输入特征图的排列方式，帮助学习到更多样化、更全面的特征。特征图划分后分别用于全局和局部上下文建模，减小计算复杂度。使用自注意力进行全局上下文建模，建立目标特征与背景特征之间的相关性；对特征图进行池化以突出目标局部特征，随后使用自注意力进行局部上下文建模，建立目标特征与周围邻域特征的相关性，增强目标特征较弱部分，利用可学习参数的自适应加权融合策略进行全局和局部上下文聚合，可根据目标特点自适应调整权重，增强目标特征，得到包含较完整目标信息的特征图，提高检测算法对目标与背景的判别能力。
-
公开(公告)号：CN120070890A
公开(公告)日：2025-05-30
申请号：CN202510134725.8
申请日：2025-02-07
Applicant: 河南科技大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及深度学习红外图像分割领域，具体为基于小波池化三分支网络的红外图像实时语义分割方法，包括如下步骤：S1：在公开红外目标数据集的基础上对干扰的辐射和运动规律进行建模，制作干扰下的红外飞机数据集。S2：设计Haar小波池化模块，借助其频率分解的优势，能够在降低特征图分辨率时保留关键的频域信息。S3：构建分别提取空间、语义和边界信息的三分支实时语义分割网络模型。S4：将Haar小波池化模块引入到三分支网络模型中，作为模型的下采样层，减少其在下采样时的信息丢失。在自制干扰下的红外飞机数据集上，所提方法不仅能够满足红外图像的实时处理需求，且分割精度方面也有所提升。
-
公开(公告)号：CN118674918A
公开(公告)日：2024-09-20
申请号：CN202410820709.X
申请日：2024-06-24
Applicant: 河南科技大学
Abstract: 基于特征增强语义分割网络的红外目标抗干扰检测算法，通过位置注意力特征融合和混合空洞空间金字塔池化相配合的方式增强目标特征，位置注意力特征融合网络获取不同位置像素间的相关性权重来增强当前层级特征图，并与富含语义特征的高层级特征图融合，增强对红外目标特征的表达能力。混合空洞空间金字塔池化通过小空洞率空洞卷积的串联结构在不丢失特征信息的前提下扩大卷积核在特征图上的感受野，获取特征图上下文信息，进一步增强对红外目标特征的表达能力。本发明将位置注意力特征融合网络、混合空洞空间金字塔池化模块与保持特征图分辨率网络相结合，能够在红外目标辐射特征弱且有干扰遮挡的情况下有效实现红外目标的抗干扰检测。
-
-
-
Search Results
4
records
(took 0.086 seconds)
