-
公开(公告)号:CN116883663B
公开(公告)日:2025-02-07
申请号:CN202310881500.X
申请日:2023-07-18
Applicant: 电子科技大学
IPC: G06V10/26 , G06V10/82 , G06V20/40 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的视频流中飞行目标主要部件语义分割方法,涉及视频语义分割领域。本发明包括飞行目标主要部件数据集的构建和视频语义分割模型的搭建;其中,数据集通过硬件模拟的方式获取,利用摄录单元与模拟单元模拟并拍摄飞行目标图像,再通过后期处理模拟飞行目标的背景;视频语义分割模型是基于改进的残差块构成的语义分割网络,其通过延时输出的方式,利用局部时间注意力机制引入当前帧的前后帧信息进行预测,并在所构建的数据集上进行训练、测试并调整训练参数,获得更好的识别效果。本发明提高了在飞行目标主要部件数据集上的识别效果与速度,主要解决现有视频中飞行目标主要部件识别效果不佳,时序信息利用不充分的问题。
-
公开(公告)号:CN116883663A
公开(公告)日:2023-10-13
申请号:CN202310881500.X
申请日:2023-07-18
Applicant: 电子科技大学
IPC: G06V10/26 , G06V10/82 , G06V20/40 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的视频流中飞行目标主要部件语义分割方法,涉及视频语义分割领域。本发明包括飞行目标主要部件数据集的构建和视频语义分割模型的搭建;其中,数据集通过硬件模拟的方式获取,利用摄录单元与模拟单元模拟并拍摄飞行目标图像,再通过后期处理模拟飞行目标的背景;视频语义分割模型是基于改进的残差块构成的语义分割网络,其通过延时输出的方式,利用局部时间注意力机制引入当前帧的前后帧信息进行预测,并在所构建的数据集上进行训练、测试并调整训练参数,获得更好的识别效果。本发明提高了在飞行目标主要部件数据集上的识别效果与速度,主要解决现有视频中飞行目标主要部件识别效果不佳,时序信息利用不充分的问题。
-