-
公开(公告)号:CN115661443A
公开(公告)日:2023-01-31
申请号:CN202211167891.0
申请日:2022-09-23
Applicant: 西安电子科技大学
IPC: G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/143 , G06N3/0464
Abstract: 本发明公开了一种复杂环境的多尺度正向特征增益红外弱小目标检测方法,构建并训练多尺度特征增强聚合网络,利用该网络中的残差特征补偿模块对红外图像进行背景抑制、目标增强操作。利用多尺度特征增强聚合网络中的选择性特征融合模块提取、学习并融合红外图像中的多种不同尺度的特征。本发明主要解决在复杂背景下的红外图像中检测其中的弱小目标问题,具有增强目标、抑制背景效果好,充分提取不同尺度特征获得红外目标各层次信息,检测红外弱小目标准确率高的优点。
-
公开(公告)号:CN117253117A
公开(公告)日:2023-12-19
申请号:CN202310826170.4
申请日:2023-07-07
Applicant: 西安电子科技大学
IPC: G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种复杂环境的高可信小目标检测方法,其实现步骤是,构建并训练高阶微分方程启发的弱小目标检测网络,利用该网络中的差分层生成模块模块对图像进行进行多次差分操作,得到不同尺度不同层次的小目标特征。利用高阶微分方程启发的弱小目标检测网络中的四阶Adams引导模块在多个特征项之间建立起了联系,构建了更强大的可解释网络。本发明主要解决在复杂背景下低信噪比的图像中的弱小目标的检测,具有抑制噪声、增强目标明显,网络精确提取不同层级特征获得弱小目标各级特征,虚警误警率低的优点。
-
公开(公告)号:CN116721314A
公开(公告)日:2023-09-08
申请号:CN202310846267.1
申请日:2023-07-11
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于平滑交互式压缩网络的小目标检测方法,其实现步骤是,构建并训练平滑交互式压缩网络,利用该网络中的平滑交互模块在多尺度的范围内鲁棒地学习图像特征的语义信息,利用平滑交互式压缩网络中的交叉关注子模块根据输入图像的内容来调动态融合不同分辨率的特征图。利用平滑交互式压缩网络中的白盒剪枝子模块不降低性能的前提下降低模型的复杂性。本发明主要解决在硬件计算能力有限的前提下对背景复杂图像中的弱小目标进行检测的问题,具有特征图之间的依赖性强、动态融合不同分辨率的特征图效果好,漏检率与虚警率低,网络计算量需求小且结构简单从而易与现有硬件适配的优点。
-
公开(公告)号:CN116977662A
公开(公告)日:2023-10-31
申请号:CN202310955071.6
申请日:2023-08-01
Applicant: 西安电子科技大学
IPC: G06V10/44 , G06V10/86 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于热传导原理的U‑ViT网络小目标检测方法,其实现步骤是,构建并训练热传导启发的U‑ViT小目标检测网络,利用该网络中的热传导启发的注意力机制单元传导和聚合图片不同方向的特征图,利用该网络中的热传导残差单元对特征图进行二阶差分操作以精确提取小目标的边缘信息,利用该网络中的热传导启发的transformer子模块关注小目标局部细节的同时捕捉像素点的长期依赖关系。本发明主要解决对噪声干扰严重、对比度低的图像中的弱小目标进行检测的问题,具有边界划分明确容易提取小目标的完整特征,特征图的提取兼顾细节与整体,避免了小目标的检测结果的不完全预测的问题,稳定性、可信性强,降低漏检率与虚警率的优点。
-
-
-