公开(公告)号：CN116229295A

公开(公告)日：2023-06-06

申请号：CN202310176483.X

申请日：2023-02-28

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  王晨 ,  王金成 ,  缪孔苗 ,  李秋明 ,  薛怡煜 ,  侯彪 ,  焦李成

IPC: G06V20/17 ,  G06V10/44 ,  G06V10/77 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于融合卷积注意力机制的遥感图像目标检测方法，解决了小目标检测精度低，收敛速度慢的问题。实现包括：收集并处理遥感图像数据；搭建特征提取主干网络、融合卷积的Transformer编码‑解码架构；组成融合卷积注意力机制目标检测网络模型；训练、测试目标检测网络模型。本发明采用金字塔结构的下采样特征提取主干网络，对不同大小的输入图像输出大小相同的特征矩阵；搭建了具有深度卷积、逐点卷积的卷积模块，增强了对遥感图像局部特征的信息提取能力；将部分注意力头替换为卷积模块，降低了矩阵运算的大参数量，降低了训练耗时。用在航空飞机、遥感卫星、智慧交通、智慧农业等对遥感图像目标检测实时性和准确率要求高的领域。

公开(公告)号：CN117994662A

公开(公告)日：2024-05-07

申请号：CN202410204656.9

申请日：2024-02-24

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  王金成 ,  缪孔苗 ,  张凌云 ,  李秋明 ,  程新跃 ,  董西淼 ,  侯彪

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084 ,  G06N3/098

Abstract: 本发明公开了一种基于通信优化的遥感图像目标检测并行训练方法，主要解决现有遥感图像检测并行训练方法通信占比高的问题。其实现方案为：获取训练样本集；选用任意一个现有的遥感图像目标检测模型；对遥感图像目标检测模型进行分阶段重叠优化：1)计算遥感图像目标检测模型的损失并进行反向传播计算梯度；2)更新一阶动量和二阶动量，并对其进行修正；3)设置弹性全局参数，更新目标检测模型参数；4)更新弹性全局参数；5)重复上述步骤直到模型收敛，得到训练好的遥感图像目标检测模型。本发明通过设定弹性的全局参数并对其进行更新，能实现模型计算与模型通信的高效重叠，降低训练通信占比，加快并行训练的速度，可用于神经网络的深度学习。

公开(公告)号：CN117953488A

公开(公告)日：2024-04-30

申请号：CN202410204657.3

申请日：2024-02-24

Applicant: 西安电子科技大学

Inventor： 朱虎明 ,  王光磊 ,  薛怡煜 ,  张凌云 ,  李秋明 ,  程新跃 ,  陈志鹏 ,  侯彪

IPC: G06V20/64 ,  G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于多编码特征融合的三维目标检测方法，主要解决现有技术因在遮挡场景下误检、漏检率高，导致检测精度较低的问题。其实现方案为：建立训练样本集和测试样本集并对数据进行预处理；构建包括体素编码器、多尺度支柱编码器、全局特征学习模块、中心特征引导预测模块的三维目标检测网络，定义其损失函数；利用训练样本集对该网络进行迭代训练，计算网络损失值，通过反向传播计算网络梯度并更新权值参数，直到达到最大迭代次数；将测试样本集输入到训练好三维目标检测模型，获得三维目标的检测结果。本发明减小了遮挡场景下的误检漏检和候选区域的数量，提高了检测速度和三维目标检测精度，可应用于自动驾驶、机器人导航及视频监控。