公开(公告)号：CN116309704A

公开(公告)日：2023-06-23

申请号：CN202310138614.5

申请日：2023-02-20

Applicant: 重庆邮电大学

Inventor： 陈前斌 ,  潘翔 ,  唐伦

IPC: G06T7/246 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于无锚框检测网络和特征再融合模块的小目标跟踪方法，属于多目标跟踪技术领域，包括以下步骤：S1：利用无人机对目标对象进行图像采集，并将采集到的图像按照Pascal VOC数据集的格式进行命名；S2：对图像进行预处理；S3：根据计算机内存、GPU能力和用户所需的识别效果和训练速度设计卷积神经网络输入图像的尺寸、识别种类的数量、训练次数、学习率，网络的层数；S4：对特征提取网络部分、检测部分和重识别部分的网络结构进行改进，得到改进的监测模型；S5：训练网络模型，训练结束后保存训练好的网络模型权重；S6：运用训练完成的网络模型权重进行识别。

公开(公告)号：CN116109602A

公开(公告)日：2023-05-12

申请号：CN202310140592.6

申请日：2023-02-20

Applicant: 重庆邮电大学

Inventor： 唐伦 ,  黄昂 ,  潘翔 ,  陈前斌

IPC: G06T7/00 ,  G06V10/80 ,  G06T7/70 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于密集连接注意力的交通标志检测方法，属于智能交通领域。针对自动驾驶目标检测任务中广视野下交通标志目标小的问题，提出了一种基于密集连接注意力的交通标志检测算法DCAM‑YOLO。在特征增强网络和检测头部之间嵌入密集连接型空间注意力机制模块DCAM，DCAM对输入的特征进行多次卷积得到多个尺寸相同的特征图，然后将得到特征图沿通道方向挖掘空间注意力特征形成空间注意力特征网络层，最后利用密集连接的方式将得到的多个空间注意力特征网络层进行融合形成密集连接型的注意力权重，增加对输入特征中有效信息的利用率，实现了更高层次的融合强化了对特征的提取。

公开(公告)号：CN116189012A

公开(公告)日：2023-05-30

申请号：CN202211467687.0

申请日：2022-11-22

Applicant: 重庆邮电大学

Inventor： 陈前斌 ,  潘翔 ,  唐伦

IPC: G06V20/17 ,  G06V10/25 ,  G06V10/766 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明涉及一种基于改进YOLOX的无人机地面小目标检测方法，属于无人机技术领域。在YOLOX神经网络的Neck层添加了通道注意力机制(DW‑CBAM)，加强网络对小目标的特征提取能力，抑制非重要特征，在head层增加了一层检测小目标的检测头并对其进行轻量化。在正负样本的选择上，提出带位置引导的标签分配策略(LB‑SimOTA)，使网络更加关注定位精度较差的边界框。最终形成了改进的YOLOX无人机小目标检测模型。应用无人机小目标检测模型，获得对车和人在图像中对应的标签。本发明提出的注意力机制模块和正负样本选择策略，用在YOLOX检测方法中，在无人机场景下检测精度提升明显。