-
公开(公告)号：CN110765982B
公开(公告)日：2022-06-14
申请号：CN201911078837.7
申请日：2019-11-07
Applicant: 中国人民解放军国防科技大学
IPC: G06V20/52 , G06V20/40 , G06V10/762 , G06V10/774 , G06V10/82 , G06T7/254 , G06T7/246 , G06K9/62
Abstract: 本发明涉及基于变化累积图和级联深度网络的视频烟雾检测方法。提出变化累积图的概念，将多帧视频图像的YUV颜色空间转换成变化累积图，描述烟雾的运动特性和颜色变化特性；然后设计级联深度网络，通过在VGG16网络的每一个卷积层级联两层卷积层，来增加网络深度，并增强特征鉴别能力；通过级联VGG16网络和Resnet50网络模型，提取烟雾图像更多的细节特征，提高烟雾特征鉴别能力。
-
公开(公告)号：CN113674191B
公开(公告)日：2022-09-16
申请号：CN202110966571.0
申请日：2021-08-23
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请涉及一种基于条件对抗网络的弱光图像增强方法、装置、计算机设备和存储介质。所述方法包括：使用多个串联的残差结构的卷积神经网络作为生成器以及WGAN‑GP作为判别器，通过跨步卷积网络对弱光图像进行下采样，通过残差网络对下采样特征图进行处理，通过转置网络对残差校正特征图进行上采样，通过跳跃连接结构将弱光图像样本原图与上采样特征图进行融合后进行激活输出，得到生成器生成图；通过判别器网络对生成器生成图进行判别，得到判别器输出矩阵，在预设的损失函数的约束作用下，生成有效的弱光增强模型。该模型能够保留原始图像的细节信息，提高图像的亮度，同时不会产生增益噪声干扰，生成的图像更为自然，质量高。
-
公开(公告)号：CN113674191A
公开(公告)日：2021-11-19
申请号：CN202110966571.0
申请日：2021-08-23
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请涉及一种基于条件对抗网络的弱光图像增强方法、装置、计算机设备和存储介质。所述方法包括：使用多个串联的残差结构的卷积神经网络作为生成器以及WGAN‑GP作为判别器，通过跨步卷积网络对弱光图像进行下采样，通过残差网络对下采样特征图进行处理，通过转置网络对残差校正特征图进行上采样，通过跳跃连接结构将弱光图像样本原图与上采样特征图进行融合后进行激活输出，得到生成器生成图；通过判别器网络对生成器生成图进行判别，得到判别器输出矩阵，在预设的损失函数的约束作用下，生成有效的弱光增强模型。该模型能够保留原始图像的细节信息，提高图像的亮度，同时不会产生增益噪声干扰，生成的图像更为自然，质量高。
-
公开(公告)号：CN109948557B
公开(公告)日：2022-04-22
申请号：CN201910219817.0
申请日：2019-03-22
Applicant: 中国人民解放军国防科技大学
IPC: G06V20/52 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62
Abstract: 本发明涉及多网络模型融合的烟雾检测方法。融合VGG16和ResNet50两个网络模型实现对烟雾的可靠检测。本发明提出的融合网络可以提取更丰富的烟雾图像细节特征，增强特征对烟雾图像和类烟雾图像的区分能力。采用基于同构空间下的特征迁移学习方法，能够很好地将预训练好的VGG16和ResNet50模型的特征提取层迁移到烟雾场景下的目标数据集分类任务中，同时提高模型的泛化能力。通过融合多网络模型，增强了特征的区分能力，降低了云、雾等与烟雾相似的目标引发的虚警现象，进一步提高了烟雾检测的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN109961042B
公开(公告)日：2021-07-27
申请号：CN201910219838.2
申请日：2019-03-22
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明涉及结合深度卷积神经网络和视觉变化图的烟雾检测方法。先采用深度卷积神经网络初步检测疑似烟雾区域。在此基础上，以烟雾扩散的物理特性为依据，基于视频运动变化构建视觉变化图，再采用SVM分类器实现烟雾区域的二次判决，本发明的有益效果是降低了云、雾等与烟雾相似的目标引发的虚警现象，进一步提高了烟雾检测的可靠性。
-
公开(公告)号：CN119420854A
公开(公告)日：2025-02-11
申请号：CN202411561491.7
申请日：2024-11-04
Applicant: 中国人民解放军国防科技大学
Abstract: 本申请涉及一种无人机载多模态融合在线稳像方法、系统、装置和设备。方法包括：获取预处理后的IMU序列样本和一级稳定帧样本，将IMU序列样本和一级稳定帧样本输入多模态融合在线稳像网络；一级稳定帧样本是通过对视频帧进行机械稳像补偿得到的；多模态融合在线稳像网络包括IMU特征提取支路、图像特征提取支路以及多模态特征融合总支；多模态特征融合总支包括特征级融合模块、偏移量估计模块和重构输出模块；根据预先构建的损失函数、预处理后的IMU序列样本和一级稳定帧样本对多模态融合在线稳像网络进行训练，得到训练好的多模态融合在线稳像网络；通过训练好的多模态融合在线稳像网络进行在线稳像。采用本方法能够显著提高稳像帧的视觉效果和稳定性。
-
公开(公告)号：CN110765982A
公开(公告)日：2020-02-07
申请号：CN201911078837.7
申请日：2019-11-07
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明涉及基于变化累积图和级联深度网络的视频烟雾检测方法。提出变化累积图的概念，将多帧视频图像的YUV颜色空间转换成变化累积图，描述烟雾的运动特性和颜色变化特性；然后设计级联深度网络，通过在VGG16网络的每一个卷积层级联两层卷积层，来增加网络深度，并增强特征鉴别能力；通过级联VGG16网络和Resnet50网络模型，提取烟雾图像更多的细节特征，提高烟雾特征鉴别能力。
-
公开(公告)号：CN109961042A
公开(公告)日：2019-07-02
申请号：CN201910219838.2
申请日：2019-03-22
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明涉及结合深度卷积神经网络和视觉变化图的烟雾检测方法。先采用深度卷积神经网络初步检测疑似烟雾区域。在此基础上，以烟雾扩散的物理特性为依据，基于视频运动变化构建视觉变化图，再采用SVM分类器实现烟雾区域的二次判决，本发明的有益效果是降低了云、雾等与烟雾相似的目标引发的虚警现象，进一步提高了烟雾检测的可靠性。
-
公开(公告)号：CN109948557A
公开(公告)日：2019-06-28
申请号：CN201910219817.0
申请日：2019-03-22
Applicant: 中国人民解放军国防科技大学
Abstract: 本发明涉及多网络模型融合的烟雾检测方法。融合VGG16和ResNet50两个网络模型实现对烟雾的可靠检测。本发明提出的融合网络可以提取更丰富的烟雾图像细节特征，增强特征对烟雾图像和类烟雾图像的区分能力。采用基于同构空间下的特征迁移学习方法，能够很好地将预训练好的VGG16和ResNet50模型的特征提取层迁移到烟雾场景下的目标数据集分类任务中，同时提高模型的泛化能力。通过融合多网络模型，增强了特征的区分能力，降低了云、雾等与烟雾相似的目标引发的虚警现象，进一步提高了烟雾检测的可靠性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
