公开(公告)号：CN113379738A

公开(公告)日：2021-09-10

申请号：CN202110821397.0

申请日：2021-07-20

Applicant: 重庆大学

Inventor： 侯俊岭 ,  李伟红 ,  杨利平 ,  张超 ,  王欣然

IPC: G06T7/00 ,  G06T7/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于图像的疫木检测与定位方法及系统。本发明设计的多尺度候选区域融合网络，其中检测小目标的RPN(S‑RPN)以ResNet18得到的特征图，检测中型目标的RPN(M‑RPN)以ResNet32得到的特征图，检测大型目标的RPN(L‑RPN)以ResNet50得到的特征图。然后采用非最大抑制(NMS)来减少冗余的候选区域。该网络可以解决目前基于深度神经网络的目标检测网络模型难以应对多尺度松林疫木检测的问题。本发明提出根据云台监测塔的摄像机成像原理和数字地形高程数据(DEM)构建疫木三维定位几何模型，可以准确实现疫木爆发点的三维定位。本发明简单、快速，可提高松林疫木的监测预警能力。

公开(公告)号：CN114299405A

公开(公告)日：2022-04-08

申请号：CN202111630427.6

申请日：2021-12-28

Applicant: 重庆大学

Inventor： 王欣然 ,  李伟红 ,  杨利平 ,  侯俊岭 ,  张超

IPC: G06V20/17 ,  G06V10/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于条形池化的无人机图像实时目标检测方法，通过引入条形池化思想，并设计条形瓶颈层，构成主干网络和特征提取网络的基础组成模块，可改善长宽比不平衡的无人机图像目标检测精度。通过将特征提取网络PANet的融合方式改进为空间特征向量不变的，以更好的保留目标高低层特征信息，适应尺度变化大的无人机图像目标的检测；额外增加一个检测头负责极密集的小目标的检测。上述措施可显著提升无人机图像目标检测的精度。同时，本发明是在轻量级网络YOLOV5基础上，针对无人机图像中的目标尺度变化大、长宽比不平衡和小目标密集分布的特点而设计的，因此，可以在有效提升目标检测精度的情况下，实现实时快速检测。

公开(公告)号：CN114140739A

公开(公告)日：2022-03-04

申请号：CN202111034905.7

申请日：2021-09-04

Applicant: 重庆大学

Inventor： 张超 ,  李伟红 ,  杨利平 ,  王欣然 ,  侯俊岭

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/74 ,  G06V10/80 ,  G06T5/00 ,  G06T7/40

Abstract: 本发明提出一种基于补丁匹配与合成的视频去模糊方法，本方法设计了多尺度补丁匹配模块和补丁合成模块，首先利用多尺度补丁匹配模块将输入的多个视频帧特征离散为不同尺度、部分重叠的特征补丁，然后从特征补丁集合中匹配相似、可用的锐利补丁，为目标特征补丁的复原提供关键的纹理细节。然后利用补丁合成模块融合多尺度补丁匹配模块得到的锐利补丁，帮助目标补丁的去模糊。本方法通过直接匹配、融合视频帧序列中任意相似补丁来获取视频帧间时空依赖，从而有效改善视频去模糊的效果。