公开(公告)号：CN119206472A

公开(公告)日：2024-12-27

申请号：CN202411066135.8

申请日：2024-08-05

Applicant: 三峡大学

Inventor： 任东 ,  刘洋 ,  孙航 ,  余梅 ,  涂义婷 ,  王泽瑞

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于层次感知的遥感目标检测骨干网络的构建方法，本发明中构建的层次感知特征提取骨干网络包含了四个特征处理阶段，每个阶段包含一个特征下采样块，若干层次感知特征关注模块。层次感知特征关注模块对于现有多尺度特征自适应选择机制进行了二阶段调整，引入网络深度因子用于增强网络前期局部特征的表达强度，压制全局特征，在网络后期则增强全局特征表达强度，压制局部特征。本发明的目的是为了解决已有的自适应特征选择机制在网络前期过早强调大感受野下的特征，从而导致细节特征无法有效传递到后续阶段，同时在密集场景下将周围其它物体混入当前识别中造成的特征混淆问题。

公开(公告)号：CN119007026A

公开(公告)日：2024-11-22

申请号：CN202411042908.9

申请日：2024-07-31

Applicant: 三峡大学

Inventor： 任东 ,  向怡丰 ,  王泽瑞 ,  高科

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 一种基于改进YOLOV8的细粒度建筑物检测算法，该算法基于对YOLOV8模型的改进，旨在提升遥感图像中建筑物检测的准确性和效率。以下是该算法的详细步骤：步骤S1：首先，我们收集了丰富的遥感建筑物图像，并据此构建了一个专门的遥感建筑物数据集，为模型训练提供了坚实的基础；步骤S2：接着，利用上述数据集，我们对YOLOV8模型进行了细致的改进和优化，通过训练过程，我们得到了一个精准的遥感建筑物检测模型；步骤S3：最后，我们将该遥感建筑物检测模型应用于待检测的遥感图像数据，实现了对建筑物的高效识别和定位。

公开(公告)号：CN118799750A

公开(公告)日：2024-10-18

申请号：CN202410779475.9

申请日：2024-06-17

Applicant: 三峡大学

Inventor： 任东 ,  王泽瑞 ,  孙航 ,  刘莉 ,  李俊霖 ,  张杨

IPC: G06V20/17 ,  G06V10/10 ,  G06V10/46 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 一种基于显著特征引导的火焰检测模型的构建方法，它包括以下步骤：步骤1：构建两个特征提取的编码分支，其中第一个分支在RGB色彩模式下提取火焰的特征表达，第二个分支则在HSV色彩模式下提取火焰的特征表达；步骤2：通过协同感知调控模块和拼接操作，将经过步骤2得到的两个不同编码分支的特征进行整合，实现不同类型特征的融合；步骤3：为了更好地适应目标检测任务，引入特征金字塔模块，对步骤3整合后的特征进行进一步处理，以挖掘不同大小的特征图所包含的不同目标特征信息；步骤4：通过耦合的检测头对由步骤4获得的特征信息进行处理，在后续的检测过程中使用这些特征信息来实现准确的目标定位和分类；通过以上步骤，实现火焰检测模型的构建。