公开(公告)号：CN117710801A

公开(公告)日：2024-03-15

申请号：CN202311700444.1

申请日：2023-12-12

Applicant: 重庆邮电大学

Inventor： 方文俊 ,  陶洋 ,  刘羽婷 ,  武萍 ,  冉刚

IPC: G06V20/05 ,  G06V10/25 ,  G06V10/82 ,  G06V10/50 ,  G06V10/40 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及一种基于Swin Transformer的水下弱小目标检测方法，属于图像处理以及计算机视觉领域。该方法包括：搭建基于Swin Transformer的特征金字塔骨干网络；将获取的水下无标注真实数据集用于骨干网络进行无监督学习；将获取的水下有标注真实数据集划分为训练集和验证集；搭建基于Swin Transformer的双阶段目标检测模型并进行训练与验证；通过网格搜索方式在训练与验证中调节模型参数，得到检测精度最高的模型。本发明能够在水下复杂环境，以及水下数据集标注少，标注难的情况下，有效解决水下弱小目标检测问题，精准识别弱小目标。

公开(公告)号：CN117455797A

公开(公告)日：2024-01-26

申请号：CN202311511985.X

申请日：2023-11-14

Applicant: 重庆邮电大学

Inventor： 陶洋 ,  刘羽婷 ,  武萍 ,  方文俊

IPC: G06T5/70 ,  G06T5/60 ,  G06T5/92 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于NAFNet与注意力机制融合的水下图像增强方法，具体包括：将获取得到的低质量水下图像数据集划分为训练集和测试集；基于训练集对加入注意力机制模块DAM的NAFNet网络进行训练，引入LAB和LCH颜色空间的损失函数，设计出多重损失函数；向优化好的水下图像增强网络模型输入测试集，得到相应的清晰图像。本发明使用NAFNet网络作为基本框架，以实现快速和轻量化。此外，通过注意力机制能够加强网络对衰减严重的颜色区域和重要的通道信息的关注，并有效缓解噪声干扰。