公开(公告)号：CN117710649A

公开(公告)日：2024-03-15

申请号：CN202311690168.5

申请日：2023-12-11

Applicant: 重庆邮电大学

Inventor： 唐述 ,  谢希成 ,  蒋忱迅 ,  罗钧元 ,  任川渝

IPC: G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/766

Abstract: 本发明涉及一种结合点集预测和可形变卷积的目标检测方法，属于目标检测技术领域。该方法包括：将待测图片输入骨干网络中进行基础特征提取得到特征图F1；将特征图F1输入颈部网络进行多尺度特征提取得到多尺度特征图F2，然后执行注意力机制得到特征图F3；将特征图F3输入头部网络中进行分类和回归，得到图片分类结果。本发明将点集与可形变卷积相结合，通过本方法提取的特征，因为可形变卷积偏置的缘故，将会只对前景特征和少部分背景特征进行特征提取，从而提高了目标检测器分类和回归的精度。

公开(公告)号：CN118115842A

公开(公告)日：2024-05-31

申请号：CN202311671810.5

申请日：2023-12-07

Applicant: 重庆邮电大学

Inventor： 唐述 ,  张洪凌 ,  谢希成 ,  韦哲韬 ,  董文琦 ,  梁雅琪 ,  姚智皓

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及一种双编码器‑单解码器的多层特征信息融合小目标检测系统，属于目标检测领域，包括编码器1、编码器2、解码器；编码器1用于对图像进行多次下采样卷积操作来提取特征，接着利用基于Transformer的骨干编码块TBEB实现局部‑全局特征的有效融合，随即进入空间池化SPPF将任意大小的特征图转化为固定大小的特征向量，减少参数、优化特征提取；编码器2经过多次颈部ECA注意力编码块SNEB编码来提升小目标区域的关注度，接着多次使用编码特征融合模块EFFM实现编码块之间浅层特征和深层特征的多层次信息融合；解码器对编码信息进行分类和回归，得到小目标检测结果。