-
公开(公告)号：CN113160078A
公开(公告)日：2021-07-23
申请号：CN202110383945.6
申请日：2021-04-09
Applicant: 长安大学
Abstract: 本发明公开了雨天交通车辆图像去雨方法、装置、设备及可读存储介质，自然环境光下，雨纹的大小和方向具有多样性，现有的单幅图像去雨算法采用普通卷积提取雨纹特征，特征图的感受野随着卷积层数的增加而呈线性增加，导致提取的细节信息与边缘信息丢失严重，本发明首先采用膨胀卷构造多尺度膨胀卷积融合模块，使不同大小和方向的雨纹特征取得不同的感受野，从而使得提取的特征信息更加丰富且不损失细节信息，其次引入注意力机制构造注意机制残差块，提取的注意特征能较好的实现复原图像的同时，能够将原来偏暗的背景图像中目标边缘特征增强，本发明方法可以有效的去除雨纹，避免丢失细节信息，为后续目标检测等计算机视觉任务奠定良好的基础。
-
Patent Agency Ranking
公开(公告)号：CN111860587B
公开(公告)日：2024-02-02
申请号：CN202010537199.7
申请日：2020-06-12
Applicant: 长安大学
IPC: G06V10/75 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06T5/50
Abstract: 本发明公开了一种用于图片小目标的检测方法，通过以待检测图片作为目标检测网络的输入，从待检测图片中获取六个不同尺寸的特征图，采用双线性插值法将六个不同尺寸的特征图中的金字塔的底层特征图与金字塔的高层特征图进行特征融合得到新的六个不同尺寸的特征图，考虑各尺度特征图之间的关系，使参与预测的特征图有更丰富的细节信息和语义信息，使用预先训练模型的默认设置对目标检测网络进行训练，并采用随机梯度下降算法对损失函数式进行优化训练，有利于模型的快速收敛，利用训练好的目标检测网络进行测试，对待检测的图像特征提取，能够有效提高图片小目标的检测精度和检测速度，可在完全满足实时性条件下有效提高小目标的检测精度。
-
公开(公告)号：CN113076898A
公开(公告)日：2021-07-06
申请号：CN202110387355.0
申请日：2021-04-09
Applicant: 长安大学
Abstract: 本发明公开了一种交通车辆目标检测方法、装置、设备及可读存储介质，通过对对预处理后的交通图像进行车辆标注，本发明通过将车辆标注后的交通图像进行维度聚类,设置阈值进行聚类anchor box,并且将一个相对远的点选择为下一个初始聚类中心，提高聚类精度；基于特征提取主干网络在浅层部分添加网络层进行浅层特征提取，提高对细节特征处理能力，在保持较高的检测精度的前提下，采用CSPDarknet26进行多层残差网络进行特征提取，能避免卷积层冗余、提高内存利用率、提高训练速度，然后经过多层残差网络进行特征提取后进行多尺度检测，提取丰富的细节信息，CRB能够避免小目标检测效果退化问题，提高了算法在强雨密度交通环境下车辆单类目标检测的适用性与准确性。
-
公开(公告)号：CN111860587A
公开(公告)日：2020-10-30
申请号：CN202010537199.7
申请日：2020-06-12
Applicant: 长安大学
Abstract: 本发明公开了一种用于图片小目标的检测方法，通过以待检测图片作为目标检测网络的输入，从待检测图片中获取六个不同尺寸的特征图，采用双线性插值法将六个不同尺寸的特征图中的金字塔的底层特征图与金字塔的高层特征图进行特征融合得到新的六个不同尺寸的特征图，考虑各尺度特征图之间的关系，使参与预测的特征图有更丰富的细节信息和语义信息，使用预先训练模型的默认设置对目标检测网络进行训练，并采用随机梯度下降算法对损失函数式进行优化训练，有利于模型的快速收敛，利用训练好的目标检测网络进行测试，对待检测的图像特征提取，能够有效提高图片小目标的检测精度和检测速度，可在完全满足实时性条件下有效提高小目标的检测精度。
-
公开(公告)号：CN113076898B
公开(公告)日：2023-09-15
申请号：CN202110387355.0
申请日：2021-04-09
Applicant: 长安大学
IPC: G06V20/52 , G06V10/25 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种交通车辆目标检测方法、装置、设备及可读存储介质，通过对对预处理后的交通图像进行车辆标注，本发明通过将车辆标注后的交通图像进行维度聚类,设置阈值进行聚类anchor box,并且将一个相对远的点选择为下一个初始聚类中心，提高聚类精度；基于特征提取主干网络在浅层部分添加网络层进行浅层特征提取，提高对细节特征处理能力，在保持较高的检测精度的前提下，采用CSPDarknet26进行多层残差网络进行特征提取，能避免卷积层冗余、提高内存利用率、提高训练速度，然后经过多层残差网络进行特征提取后进行多尺度检测，提取丰富的细节信息，CRB能够避免小目标检测效果退化问题，提高了算法在强雨密度交通环境下车辆单类目标检测的适用性与准确性。
-
公开(公告)号：CN113160078B
公开(公告)日：2023-01-24
申请号：CN202110383945.6
申请日：2021-04-09
Applicant: 长安大学
Abstract: 本发明公开了雨天交通车辆图像去雨方法、装置、设备及可读存储介质，自然环境光下，雨纹的大小和方向具有多样性，现有的单幅图像去雨算法采用普通卷积提取雨纹特征，特征图的感受野随着卷积层数的增加而呈线性增加，导致提取的细节信息与边缘信息丢失严重，本发明首先采用膨胀卷构造多尺度膨胀卷积融合模块，使不同大小和方向的雨纹特征取得不同的感受野，从而使得提取的特征信息更加丰富且不损失细节信息，其次引入注意力机制构造注意机制残差块，提取的注意特征能较好的实现复原图像的同时，能够将原来偏暗的背景图像中目标边缘特征增强，本发明方法可以有效的去除雨纹，避免丢失细节信息，为后续目标检测等计算机视觉任务奠定良好的基础。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
