-
公开(公告)号：CN112465880B
公开(公告)日：2023-03-10
申请号：CN202011355669.4
申请日：2020-11-26
Applicant: 西安电子科技大学
IPC: G06T7/30 , G06T7/11 , G06T5/50 , G06V10/80 , G06V10/774
Abstract: 本发明提出了一种多源异构数据认知融合的目标检测方法，用于解决现有技术中存在的图像中包含被遮挡的目标导致目标检测精度较低的技术问题，实现步骤为：数据预处理；获取训练数据集和测试数据集；构建基于多源异构数据认知融合的目标检测模型H；对基于多源异构数据认知融合的目标检测模型H进行迭代训练；获取目标检测结果。本发明在目标检测网络的基础上，通过融合输入的光学遥感图像和SAR图像、融合提取特征后的光学遥感特征图和SAR特征图、融合光学遥感图像和SAR图像的检测结果，使得目标检测模型既学习到SAR图像的特征，又学习到光学遥感图像的特征，解决了包含被遮挡目标的图像的检测精度较低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN114565824B
公开(公告)日：2024-09-06
申请号：CN202210198503.9
申请日：2022-03-02
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/22 , G06V10/46 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于全卷积网络的单阶段旋转舰船检测方法，实现步骤为：获取训练样本集和测试样本集；构建单阶段旋转舰船目标检测模型；对单阶段旋转舰船目标检测模型进行迭代训练；通过训练好的单阶段旋转舰船目标检测模型对所有目标的边界框位置和类别置信度进行检测。本发明基于对水平框检测的全卷积单阶段目标检测网络模型，在原有网络基础上加入角度分支并优化网络结构及损失函数，通过网络中多层全卷积层卷积得到的特征图直接逐像素点无锚框的生成预测结果，实现了对旋转舰船目标的快速检测，在保证旋转舰船目标检测检测精度的前提下提高了检测效率，可用于海上监测、海防预警、海洋维权等领域。
-
公开(公告)号：CN112434745B
公开(公告)日：2023-01-24
申请号：CN202011362265.8
申请日：2020-11-27
Applicant: 西安电子科技大学
Abstract: 本发明公开的基于多源认知融合的遮挡目标检测识别方法，解决现有方法对于遮挡的目标无法进行精确检测的问题。实现步骤是：构建多源训练数据集和测试数据集；构建改进的多源认知融合模块；生成融合后的训练数据集与测试数据集；引入目标检测网络Faster R‑CNN；用融合后的训练集对目标检测网络Faster R‑CNN进行训练；得到目标检测结果。本发明基于多源认知融合，使用了仿照人脑认知的注意力模块，在注意力机制模块中进行了光学图像与SAR图像的融合，以得到融合后的特征图，本发明对光学图像和SAR图像进行了融合，提取了光学图像和SAR图像的特征，提高了对目标，尤其是对遮挡目标的检测能力，用于对多源图像进行目标识别。
-
公开(公告)号：CN114565824A
公开(公告)日：2022-05-31
申请号：CN202210198503.9
申请日：2022-03-02
Applicant: 西安电子科技大学
IPC: G06V20/00 , G06V10/22 , G06V10/46 , G06V10/764 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于全卷积网络的单阶段旋转舰船检测方法，实现步骤为：获取训练样本集和测试样本集；构建单阶段旋转舰船目标检测模型；对单阶段旋转舰船目标检测模型进行迭代训练；通过训练好的单阶段旋转舰船目标检测模型对所有目标的边界框位置和类别置信度进行检测。本发明基于对水平框检测的全卷积单阶段目标检测网络模型，在原有网络基础上加入角度分支并优化网络结构及损失函数，通过网络中多层全卷积层卷积得到的特征图直接逐像素点无锚框的生成预测结果，实现了对旋转舰船目标的快速检测，在保证旋转舰船目标检测检测精度的前提下提高了检测效率，可用于海上监测、海防预警、海洋维权等领域。
-
公开(公告)号：CN112465880A
公开(公告)日：2021-03-09
申请号：CN202011355669.4
申请日：2020-11-26
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种多源异构数据认知融合的目标检测方法，用于解决现有技术中存在的图像中包含被遮挡的目标导致目标检测精度较低的技术问题，实现步骤为：数据预处理；获取训练数据集和测试数据集；构建基于多源异构数据认知融合的目标检测模型H；对基于多源异构数据认知融合的目标检测模型H进行迭代训练；获取目标检测结果。本发明在目标检测网络的基础上，通过融合输入的光学遥感图像和SAR图像、融合提取特征后的光学遥感特征图和SAR特征图、融合光学遥感图像和SAR图像的检测结果，使得目标检测模型既学习到SAR图像的特征，又学习到光学遥感图像的特征，解决了包含被遮挡目标的图像的检测精度较低的技术问题。
-
公开(公告)号：CN112434745A
公开(公告)日：2021-03-02
申请号：CN202011362265.8
申请日：2020-11-27
Applicant: 西安电子科技大学
Abstract: 本发明公开的基于多源认知融合的遮挡目标检测识别方法，解决现有方法对于遮挡的目标无法进行精确检测的问题。实现步骤是：构建多源训练数据集和测试数据集；构建改进的多源认知融合模块；生成融合后的训练数据集与测试数据集；引入目标检测网络Faster R‑CNN；用融合后的训练集对目标检测网络Faster R‑CNN进行训练；得到目标检测结果。本发明基于多源认知融合，使用了仿照人脑认知的注意力模块，在注意力机制模块中进行了光学图像与SAR图像的融合，以得到融合后的特征图，本发明对光学图像和SAR图像进行了融合，提取了光学图像和SAR图像的特征，提高了对目标，尤其是对遮挡目标的检测能力，用于对多源图像进行目标识别。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
