-
公开(公告)号：CN120070857A
公开(公告)日：2025-05-30
申请号：CN202510136324.6
申请日：2025-02-07
Applicant: 中南大学
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0455 , G06N3/096 , G06N3/0895
Abstract: 本发明涉及计算机视觉技术领域，具体公开了自适应金字塔与多阶段路径聚合的轻量化多任务小目标检测算法，包括自适应特征金字塔网络、多阶段路径聚合模块、轻量化Transformer模块、优化的通道注意力机制、多任务学习头以及算法训练方法。本发明采用上述自适应金字塔与多阶段路径聚合的轻量化多任务小目标检测算法，通过结合Adaptive FPN，实现不同层级特征的动态权重调整，增强多尺度特征的表达能力。MPAM模块在原有基础上引入轻量化Transformer模块，利用轴向注意力(Axia Attention)机制进行全局特征建模，提升模型对小目标的感知能力，并优化通道注意力机制以减少计算开销。
-
公开(公告)号：CN120070858A
公开(公告)日：2025-05-30
申请号：CN202510136326.5
申请日：2025-02-07
Applicant: 中南大学
IPC: G06V10/25 , G06V20/17 , G06V10/44 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/096 , G06N3/0895 , G06N3/0495
Abstract: 本发明涉及计算机视觉技术领域，具体公开了一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测模型，包括骨干网络、特征融合模块、检测头、轻量化模块和自监督学习模块，该模型在YOLOv7‑tiny基础上进行改进，采用FasterNet作为骨干网络，并在每个卷积层后集成卷积块注意力模块(CBAM)。特征融合模块(Neck)引入特征金字塔网络(FPN)结构，优化多尺度特征融合效果。此外，通过自监督学习方法(如SimCLR)对骨干网络进行预训练。模型通过通道剪枝和通道蒸馏技术实现轻量化。本发明采用上述一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测模型，在保持高检测精度的同时，显著减少了模型参数和推理时间，具备良好的实际应用价值。
-
公开(公告)号：CN120008735A
公开(公告)日：2025-05-16
申请号：CN202510093401.4
申请日：2025-01-21
Applicant: 中南大学
IPC: G01J3/28 , G06T5/60 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明公开了一种基于FPGA的高光谱成像方法与系统，属于高光谱成像领域，包括数据采集和预处理、压缩感知、稀疏重建和输出模块；硬件设计集成了各种组件，如宽带光源、成像光学系统、用于波长分离的Echelle光栅衍射透镜、CMOS探测器、ADC(模拟数字转换器)和计算和控制单元，这些组件协同工作，用于高效的高光谱数据收集和处理；本系统通过使用啁啾光纤布拉格光栅(CFBG)来增强衍射成像、采用生成对抗网络(GANs)方法进行高光谱图像重建。本发明采用上述的一种基于FPGA的高光谱成像方法与系统，有效地结合了压缩感知、稀疏重建和基于GAN的增强技术，以在保持低硬件占用和确保实时处理能力的同时高精度重建原始高光谱数据。
-
公开(公告)号：CN117893878A
公开(公告)日：2024-04-16
申请号：CN202410061899.1
申请日：2024-01-16
Applicant: 中南大学
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06N3/0464
Abstract: 本申请适用于目标检测技术领域，提供了一种小目标检测方法、装置、设备及介质。该小目标检测方法包括：对改进的SSD模型进行训练，得到训练后的SSD模型；改进的SSD模型的特征提取网络为改进的ResNet50网络，改进的ResNet50网络的每个残差模块的输出端设有CBAM注意力模块，改进的SSD模型中用于进行特征融合的两个融合模块前均设有残差注意力模块；利用训练后的SSD模型对待检测图像中的小目标进行检测。本申请的小目标检测方法能够有效提高小目标检测的精确度。
-
-
-
Search Results
4
records
(took 0.013 seconds)
