-
公开(公告)号：CN114972720A
公开(公告)日：2022-08-30
申请号：CN202210605452.7
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/22 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/762 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自主图像感知的高精度无人定位方法，采用方形函数和可变焦损失函数对图像中的密集陨石坑进行检测，利用相似度聚类和灰度直方图匹配实现模型迁移，提升算法的泛化性和鲁棒性，之后采用多维三角定位法，实现陨石坑的高精度辨识和定位。通过本发明可以实现高精度的陨石坑自主检测和辨识方法，从而为航天器着陆提供高精度的地标信息。本发明对密集陨石图像的目标检测精度高、可靠性好，模型适应性强，可以适应多种分辨率，多种陨石坑图像场景，同时能够对图像中的陨石坑实现高精度辨识和定位。
-
公开(公告)号：CN114973390B
公开(公告)日：2024-03-12
申请号：CN202210605519.7
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V40/18 , G06T7/80 , G06T7/246 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种结合眼动注意力机制的复杂背景红外微弱目标检测方法，采集红外微弱目标图像数据作为训练样本；再进行数据增强，然后设计带有眼动采集功能的专家判读系统和相应的采集流程，收集专家的眼动信号；对眼动信号进行预处理，同时利用图神经网络获取眼动信号的局部特征和全局特征；构建眼动注意力机制，采用典型的YOLO网络对红外微弱目标图像进行特征提取，然后将眼动信号的特征作为注意力特征的YOLO网络的特征进行特征融合，将眼动信号作为网络特征参数的约束；最后对模型进行训练，并进行对比分析。本发明能够实现红外图像的自动化检测，大幅提高图像判读的准确性，可靠性和泛化性，进一步降低红外图像检测的人工成本。
-
公开(公告)号：CN114972920B
公开(公告)日：2024-03-12
申请号：CN202210605542.6
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/774 , G06N3/04 , G06N3/088 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种多层次无监督领域自适应目标检测识别方法，首先利用源数据域的图像和对应的标签，对深度学习模型进行有监督训练。同时利用仿真生成模型，生成对应目标的图像，和目标域数据中的目标保持一致，通过修改仿真模型参数，生成不同条件下的数据集，从而实现泛化的中间域数据集。之后，利用源域训练好的模型，对中间域数据集进行渐次的域适应。模型参数适应之后，再引入目标域数据集，进行无监督自学习，生成伪标签，再次对模型进行参数微调，最终实现目标检测模型的多层次无监督领域自适应。本发明方法提高了模型的无监督目标检测精度和可靠性。
-
公开(公告)号：CN114972869B
公开(公告)日：2024-02-20
申请号：CN202210605568.0
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T5/00 , G06T3/4007 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于反事实因果学习的红外微弱目标检测方法，首先获取红外图像；再进行数据增强，得到红外数据集；利用红外目标特征，构建因果结构模型；利用因果结构模型输出的反事实因果关系，提取红外目标泛化特征；将红外目标泛化特征输入至目标检测网络结构中进行训练，训练完成后得到预训练目标检测网络；对红外数据集进行重采样，构建红外数据上下文和类标签之间的因果关系；使用重采样数据，对预训练目标检测网络参数进行前馈调整，得到最终的目标检测网络。本发明方法提高了红外微弱目标的特征提取泛化性，进一步提高了模型的检测精度和鲁棒性。
-
公开(公告)号：CN114972869A
公开(公告)日：2022-08-30
申请号：CN202210605568.0
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T5/00 , G06T3/40 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于反事实因果学习的红外微弱目标检测方法，首先获取红外图像；再进行数据增强，得到红外数据集；利用红外目标特征，构建因果结构模型；利用因果结构模型输出的反事实因果关系，提取红外目标泛化特征；将红外目标泛化特征输入至目标检测网络结构中进行训练，训练完成后得到预训练目标检测网络；对红外数据集进行重采样，构建红外数据上下文和类标签之间的因果关系；使用重采样数据，对预训练目标检测网络参数进行前馈调整，得到最终的目标检测网络。本发明方法提高了红外微弱目标的特征提取泛化性，进一步提高了模型的检测精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113033687A
公开(公告)日：2021-06-25
申请号：CN202110365299.0
申请日：2021-04-02
Applicant: 西北工业大学
Abstract: 本发明公开了一种雨雪气候条件下的目标检测识别方法，首先获取包含目标的待检测的雨雪气候背景图像数据，并通过模糊过滤器构建对应雨雪天气条件下的训练数据集；优化雨雪层与背景层的分离模型，分别处理有雨和无雨区域，以削弱无雨雪区域的细节损失；搭建基于情景信息的上下文扩张去雨网络，以此来还原不同雨雪程度下的背景图像；搭建基于局部特征学习的卷积神经网络，提升目标识别率；将去雨雪后的图像作为优化后目标检测网络模型的输入，目标检测网络模型提取出图像数据中感兴趣的区域，并输出目标类别；本发明提出的去雨雪目标检测模型具有良好的泛化性和普适性，可广泛应用于不同雨雪程度下的多种目标高精度自动化识别检测以及其它实际场景。
-
公开(公告)号：CN114972720B
公开(公告)日：2024-02-20
申请号：CN202210605452.7
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/22 , G06V10/774 , G06V10/764 , G06V10/74 , G06V10/762 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于自主图像感知的高精度无人定位方法，采用方形函数和可变焦损失函数对图像中的密集陨石坑进行检测，利用相似度聚类和灰度直方图匹配实现模型迁移，提升算法的泛化性和鲁棒性，之后采用多维三角定位法，实现陨石坑的高精度辨识和定位。通过本发明可以实现高精度的陨石坑自主检测和辨识方法，从而为航天器着陆提供高精度的地标信息。本发明对密集陨石图像的目标检测精度高、可靠性好，模型适应性强，可以适应多种分辨率，多种陨石坑图像场景，同时能够对图像中的陨石坑实现高精度辨识和定位。
-
公开(公告)号：CN114973390A
公开(公告)日：2022-08-30
申请号：CN202210605519.7
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V40/18 , G06T7/80 , G06T7/246 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种结合眼动注意力机制的复杂背景红外微弱目标检测方法，采集红外微弱目标图像数据作为训练样本；再进行数据增强，然后设计带有眼动采集功能的专家判读系统和相应的采集流程，收集专家的眼动信号；对眼动信号进行预处理，同时利用图神经网络获取眼动信号的局部特征和全局特征；构建眼动注意力机制，采用典型的YOLO网络对红外微弱目标图像进行特征提取，然后将眼动信号的特征作为注意力特征的YOLO网络的特征进行特征融合，将眼动信号作为网络特征参数的约束；最后对模型进行训练，并进行对比分析。本发明能够实现红外图像的自动化检测，大幅提高图像判读的准确性，可靠性和泛化性，进一步降低红外图像检测的人工成本。
-
公开(公告)号：CN112487947A
公开(公告)日：2021-03-12
申请号：CN202011354955.9
申请日：2020-11-26
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于图像融合与目标检测网络的低照度图像目标检测方法，结合非下采样剪切波变换图像融合算法与改进目标检测网络YOLOV4的低照度图像目标检测方法，内容包括：1)红外和低照度可见光图像融合技术，使用其可以对红外和低照度可见光图像进行信息互补，提高轮廓清晰度的同时突出纹理信息；2)将融合后的图像送入改进后的YOLOV4目标检测网络进行检测，输出低照度条件下的目标信息；3)为了提升YOLOV4网络的特征提取能力，本发明将YOLOV4主干网络中的残差块替换为密集链接块，相比于残差块，密集链接块使网络能够提升特征表达能力，提高网络的特征提取能力。最后，实验证明利用本发明可以提高在低照度条件下的目标检测能力。
-
公开(公告)号：CN114972920A
公开(公告)日：2022-08-30
申请号：CN202210605542.6
申请日：2022-05-30
Applicant: 西北工业大学
IPC: G06V10/774 , G06N3/04 , G06N3/08 , G06V10/80 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种多层次无监督领域自适应目标检测识别方法，首先利用源数据域的图像和对应的标签，对深度学习模型进行有监督训练。同时利用仿真生成模型，生成对应目标的图像，和目标域数据中的目标保持一致，通过修改仿真模型参数，生成不同条件下的数据集，从而实现泛化的中间域数据集。之后，利用源域训练好的模型，对中间域数据集进行渐次的域适应。模型参数适应之后，再引入目标域数据集，进行无监督自学习，生成伪标签，再次对模型进行参数微调，最终实现目标检测模型的多层次无监督领域自适应。本发明方法提高了模型的无监督目标检测精度和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
