公开(公告)号：CN115272842A

公开(公告)日：2022-11-01

申请号：CN202210472909.1

申请日：2022-04-29

Applicant: 电子科技大学

Inventor： 张晓玲 ,  柯潇 ,  张天文 ,  师君 ,  韦顺军

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于全局语义边界注意网络的SAR船只实例分割方法，用来解决现有技术中目标框定位能力有限的问题。本发明基于深度学习理论，主要包括全局上下文信息建模模块和边界注意预测模块两部分。全局上下文信息建模模块通过多次增强特征的语义信息，建立长距离依赖关系，从而有效地减少背景干扰。边界注意预测模块通过两次预测目标的边界信息，从而提高目标框的定位能力。本发明提供的方法平均精度AP优于现有其他基于深度学习的SAR船只实例分割方法。本发明能够克服现有技术存在的目标框定位能力有限的问题，提高SAR图像中船只的实例分割精度。

公开(公告)号：CN113989672B

公开(公告)日：2023-10-17

申请号：CN202111268008.2

申请日：2021-10-29

Applicant: 电子科技大学

Inventor： 张晓玲 ,  柯潇 ,  张天文 ,  师君 ,  韦顺军

IPC: G06V20/13 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于平衡学习的SAR图像船只检测方法，它是通过基于深度学习理论，主要包括平衡场景学习机制、平衡区间采样机制、平衡特征金字塔网络和平衡分类回归网络四部分。平衡场景学习机制通过扩增靠岸样本从而解决样本场景不平衡问题；平衡区间采样机制通过对将IOU划分为多个区间，每个区间等样本采样从而解决图像样本场景不平衡问题；平衡特征金字塔网络通过特征增强方法提取更具多尺度检测能力的特征，从而解决船舶尺度特征不平衡问题；平衡分类回归网络通过设计两种不同的子网络用于分类和回归任务，从而解决分类回归任务不平衡的问题。本发明的优点在于能够克服现有技术存在的不平衡问题，提高SAR图像中船只的检测精度。

公开(公告)号：CN112285712B

公开(公告)日：2023-09-15

申请号：CN202011101601.3

申请日：2020-10-15

Applicant: 电子科技大学

Inventor： 张晓玲 ,  张天文 ,  柯潇 ,  师君 ,  韦顺军

IPC: G01S13/90 ,  G01S13/937 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种提高SAR图像中靠岸船只检测精度的方法，它是基于深度学习理论，主要包括生成对抗网络、K‑means聚类、场景扩增、经典检测网络(Faster R‑CNN、Cascade R‑CNN、SSD、RetinaNet)四部分。生成对抗网络实现图像的特征提取，K‑means聚类方法利用提取得到的特征实现图像的二分类、得到每幅图像的分类结果，场景扩增得到更平衡的数据集，经典检测网络使用处理过后的数据集进行训练，执行检测任务。本发明在略微提高离岸船只检测精度的同时，将靠岸船只在Faster R‑CNN、Cascade R‑CNN、SSD、RetinaNet网络上的检测精度分别提高了8.60％，8.32％，18.15％，12.40％，提高了靠岸船只检测精度。

公开(公告)号：CN112285712A

公开(公告)日：2021-01-29

申请号：CN202011101601.3

申请日：2020-10-15

Applicant: 电子科技大学

Inventor： 张晓玲 ,  张天文 ,  柯潇 ,  师君 ,  韦顺军

IPC: G01S13/90 ,  G01S13/937 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种提高SAR图像中靠岸船只检测精度的方法，它是基于深度学习理论，主要包括生成对抗网络、K‑means聚类、场景扩增、经典检测网络(Faster R‑CNN、Cascade R‑CNN、SSD、RetinaNet)四部分。生成对抗网络实现图像的特征提取，K‑means聚类方法利用提取得到的特征实现图像的二分类、得到每幅图像的分类结果，场景扩增得到更平衡的数据集，经典检测网络使用处理过后的数据集进行训练，执行检测任务。本发明在略微提高离岸船只检测精度的同时，将靠岸船只在Faster R‑CNN、Cascade R‑CNN、SSD、RetinaNet网络上的检测精度分别提高了8.60％，8.32％，18.15％，12.40％，提高了靠岸船只检测精度。

公开(公告)号：CN114998759A

公开(公告)日：2022-09-02

申请号：CN202210591949.8

申请日：2022-05-27

Applicant: 电子科技大学

Inventor： 张晓玲 ,  邵子康 ,  柯潇 ,  师君 ,  韦顺军

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于视觉Transformer的高精度SAR舰船检测方法，它主要包括HRSwin‑T骨干网络、语义增强金字塔，区域推荐头和级联检测头四部分。HRSwin‑T骨干网络通过最近邻插值的方法生成额外高分辨率特征图，增强对小尺度舰船的检测能力。语义增强金字塔通过多次自上而下的连接，增强层级特征图中的语义信息。区域推荐头用于生成潜在目标的区域，加快网络收敛速度。级联检测头通过多次分类回归，从而最大限度提高检测框的准确度。采用本发明SAR图像船只检测方法，能够克服现有技术存在的难以提取全局信息问题，提高SAR图像中船只的检测精度。

公开(公告)号：CN115272670A

公开(公告)日：2022-11-01

申请号：CN202210806482.4

申请日：2022-07-08

Applicant: 电子科技大学

Inventor： 张晓玲 ,  邵子康 ,  张天文 ,  柯潇 ,  曾天娇 ,  师君 ,  韦顺军

IPC: G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06T3/40 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于掩膜注意交互的SAR图像舰船实例分割方法，它是基于深度学习理论，主要包括特征增强金字塔，空洞空间金字塔池化、非局部模块、串联注意块、通道混洗。特征增强金字塔融合并增强了多分辨率特征。空洞空间金字塔池化和非局部模块提高了视野域，有效的结合了全局特征。串联注意块和通道混洗操作增强了网络间信息交互的效益。本发明解决现有技术中存在模型内数据交互性能有限或者不能实现掩膜交互的问题，提高了船只检测精度和分割精度。

公开(公告)号：CN113989672A

公开(公告)日：2022-01-28

申请号：CN202111268008.2

申请日：2021-10-29

Applicant: 电子科技大学

Inventor： 张晓玲 ,  柯潇 ,  张天文 ,  师君 ,  韦顺军

IPC: G06V20/13 ,  G06V10/762 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于平衡学习的SAR图像船只检测方法，它是通过基于深度学习理论，主要包括平衡场景学习机制、平衡区间采样机制、平衡特征金字塔网络和平衡分类回归网络四部分。平衡场景学习机制通过扩增靠岸样本从而解决样本场景不平衡问题；平衡区间采样机制通过对将IOU划分为多个区间，每个区间等样本采样从而解决图像样本场景不平衡问题；平衡特征金字塔网络通过特征增强方法提取更具多尺度检测能力的特征，从而解决船舶尺度特征不平衡问题；平衡分类回归网络通过设计两种不同的子网络用于分类和回归任务，从而解决分类回归任务不平衡的问题。本发明的优点在于能够克服现有技术存在的不平衡问题，提高SAR图像中船只的检测精度。