-
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：CN113902974B
公开(公告)日：2024-05-17
申请号：CN202111134920.9
申请日：2021-09-27
Applicant: 西北工业大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明公开了一种基于卷积神经网络的空战威胁目标识别方法，首先在ResNet模型的主干网络中加入注意力机制，增强感兴趣区域的特征表现能力，降低无用信息对于识别结果的影响，提高检测模型的区域聚焦能力；然后在ResNet模型的最后将单一全连接层的结构改成双全连接层的结构，分别对空战威胁目标的威胁类型与制导类型进行特征映射，以便提高模型的识别能力，加快模型的收敛。通过上述两种方法，得到改进后的ResNet模型，使用改进后的ResNet模型能够对空战威胁目标类型进行识别，实现空战威胁目标识别任务。本发明充分利用通道注意力和空间注意力机制来指导重要特征信息的传递，有效的提高识别模型对于全局信息的感知能力和空战威胁目标类型的识别精度。
-
公开(公告)号：CN113902974A
公开(公告)日：2022-01-07
申请号：CN202111134920.9
申请日：2021-09-27
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于卷积神经网络的空战威胁目标识别方法，首先在ResNet模型的主干网络中加入注意力机制，增强感兴趣区域的特征表现能力，降低无用信息对于识别结果的影响，提高检测模型的区域聚焦能力；然后在ResNet模型的最后将单一全连接层的结构改成双全连接层的结构，分别对空战威胁目标的威胁类型与制导类型进行特征映射，以便提高模型的识别能力，加快模型的收敛。通过上述两种方法，得到改进后的ResNet模型，使用改进后的ResNet模型能够对空战威胁目标类型进行识别，实现空战威胁目标识别任务。本发明充分利用通道注意力和空间注意力机制来指导重要特征信息的传递，有效的提高识别模型对于全局信息的感知能力和空战威胁目标类型的识别精度。
-
公开(公告)号：CN112949389A
公开(公告)日：2021-06-11
申请号：CN202110115251.4
申请日：2021-01-28
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于改进目标检测网络的雾霾图像目标检测方法，首先采用一种基于优化对比度增强的快速去雾算法，能够实时有效地去除雾霾，增强图像的对比度信息；然将去雾后的图像送入改进后的YOLOV4目标检测网络进行检测，输出雾霾天气条件下的目标信息；同时为了提升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雾霾天气条件下的目标检测能力。
-
-
-
Search Results
4
records
(took 0.036 seconds)
