公开(公告)号：CN119068355A

公开(公告)日：2024-12-03

申请号：CN202411269948.7

申请日：2024-09-11

Applicant: 济南大学

Inventor： 徐涛 ,  张瀚 ,  杨晓晖 ,  陈伟平 ,  臧俊源

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本申请公开了一种基于分组卷积注意力网络的多尺度检测优化方法及系统。其实现方法的实现步骤为：构造分组卷积注意力网络模块；将分组卷积注意力网络模块引入到一般的基于卷积神经网络的物体检测模型中；划分物体检测数据集；对数据集中的图像进行预测处理；使用训练数据用物体检测模型和分组卷积注意力网络模块进行协同训练；将验证数据送入到检测模型进行检测；得到检测结果；本发明利用构建的分组卷积注意力网络模块和一般的基于深度卷积神经网络的物体检测模型进行协同训练，用来增强检测模型的特征提取网络来用于多尺度物体检测，在不增加计算代价的同时提高了物体检测精度。

公开(公告)号：CN119068341A

公开(公告)日：2024-12-03

申请号：CN202411269884.0

申请日：2024-09-11

Applicant: 济南大学

Inventor： 徐涛 ,  张瀚 ,  杨晓晖 ,  陈伟平 ,  韩明志

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本申请公开了一种基于边缘增强网络的SAR图像目标检测优化方法。其实现方法的实现步骤为：构造边缘增强网络模块；将边缘增强网络模块引入到一般的基于卷积神经网络的物体检测模型中；划分物体检测数据集；对数据集中的图像进行预测处理；使用训练数据用物体检测模型和边缘增强网络模块进行协同训练；将验证数据送入到检测模型进行检测；得到检测结果；本发明利用构建的边缘增强网络模块和一般的基于深度卷积神经网络的物体检测模型进行协同训练，用来增强检测模型的特征提取网络来用于SAR图像物体检测，在计算代价相当的同时提高了物体检测精度。

公开(公告)号：CN120088473A

公开(公告)日：2025-06-03

申请号：CN202510034460.4

申请日：2025-01-09

Applicant: 济南大学

Inventor： 徐涛 ,  肖晨昕 ,  陈伟平 ,  刘兰玉 ,  张瀚

IPC: G06V10/26 ,  G06V10/82 ,  G06V20/13 ,  G06V10/44 ,  G06V10/54 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 发明名称：一种融合注意力和空间状态模型的边缘增强遥感图像分割方法及系统摘要：本申请公开了一种融合注意力和空间状态模型的边缘增强遥感图像分割方法及系统。其实现步骤为：构造边缘纹理特征增强结构；将边缘纹理增强结构引入到SegNext语义分割模型当中；划分遥感影像分割数据集生成训练样本集、验证样本集和测试样本集；对数据集进行预处理；利用神经网络来初步提取光学遥感图像的精细特征，再用通道注意力和空间状态模型的边缘纹理增强解码器训练模型；最后将测试样本数据送入已经训练好的注意力和空间状态模型的边缘纹理增强模型得到测试结果。本发明专利利用构建的边缘纹理特征增强模块和SegNext语义分割模型进行协同训练，在保证地物特征同时增强边缘纹理特征，提高了分割的准确性。