-
公开(公告)号：CN117541815A
公开(公告)日：2024-02-09
申请号：CN202311572993.5
申请日：2023-11-23
Applicant: 重庆大学
IPC: G06V10/46 , G06V10/80 , G06V10/26 , G06V10/10 , G06V10/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于高斯注意力的伪装目标检测方法，涉及图像处理技术领域，首先将待预测图像的数据集通过多尺度的基于高斯注意力的特征提取网络，提取更具有伪装目标局部结构信息的多尺度特征；其次采用基于图卷积神经网络的特征增强方法，对提取出的特征进行特征增强，以此更有效的建模伪装目标的局部结构；接着，将增强的特征输入层级特征金字塔模块，得到进一步融合的特征，以此在预测模块进行伪装目标检测，并使用一种改进后的优化全局结构的损失函数，对预测模块的训练进行损失监督。该方法可以解决传统方法无法有效区分背景与伪装目标的问题，提高伪装目标检测精度。
-
公开(公告)号：CN117541815B
公开(公告)日：2025-02-11
申请号：CN202311572993.5
申请日：2023-11-23
Applicant: 重庆大学
IPC: G06V10/46 , G06V10/80 , G06V10/26 , G06V10/10 , G06V10/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于高斯注意力的伪装目标检测方法，涉及图像处理技术领域，首先将待预测图像的数据集通过多尺度的基于高斯注意力的特征提取网络，提取更具有伪装目标局部结构信息的多尺度特征；其次采用基于图卷积神经网络的特征增强方法，对提取出的特征进行特征增强，以此更有效的建模伪装目标的局部结构；接着，将增强的特征输入层级特征金字塔模块，得到进一步融合的特征，以此在预测模块进行伪装目标检测，并使用一种改进后的优化全局结构的损失函数，对预测模块的训练进行损失监督。该方法可以解决传统方法无法有效区分背景与伪装目标的问题，提高伪装目标检测精度。
-
公开(公告)号：CN116091890B
公开(公告)日：2024-09-27
申请号：CN202310004108.7
申请日：2023-01-03
Applicant: 重庆大学
IPC: G06V10/82 , G06V10/80 , G06V10/52 , G06V10/764
Abstract: 本发明公开了一种基于Transformer的小目标检测方法、系统、存储介质及产品，首先，将待预测图像的数据集图像通过三分支vision transformer的特征提取网络，提取图像的多尺度特征；其次，采用基于注意力机制的特征融合方法，对提取出的多尺度特征进行融合，以此增强多尺度特征对图像内容的表达能力；最后，将融合的特征输入改进后的transformer decoder模块，以此进行目标检测。该方法不仅可以解决传统方法无法有效检测小目标的问题，还可以弥补部分基于Transformer的方法所出现的收敛速度慢的情况。
-
公开(公告)号：CN116091890A
公开(公告)日：2023-05-09
申请号：CN202310004108.7
申请日：2023-01-03
Applicant: 重庆大学
IPC: G06V10/82 , G06V10/80 , G06V10/52 , G06V10/764
Abstract: 本发明公开了一种基于Transformer的小目标检测方法、系统、存储介质及产品，首先，将待预测图像的数据集图像通过三分支vision transformer的特征提取网络，提取图像的多尺度特征；其次，采用基于注意力机制的特征融合方法，对提取出的多尺度特征进行融合，以此增强多尺度特征对图像内容的表达能力；最后，将融合的特征输入改进后的transformer decoder模块，以此进行目标检测。该方法不仅可以解决传统方法无法有效检测小目标的问题，还可以弥补部分基于Transformer的方法所出现的收敛速度慢的情况。
-
-
-
Search Results
4
records
(took 0.017 seconds)
