公开(公告)号：CN120070259A

公开(公告)日：2025-05-30

申请号：CN202411968665.1

申请日：2024-12-30

Applicant: 南京理工大学

Inventor： 李军 ,  宛春林 ,  单梁 ,  张永 ,  王力立

IPC: G06T5/77 ,  G06T5/60 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/09 ,  G06N3/0895

Abstract: 本发明公开了基于半监督学习和动态感知注意力U型网络的雾霾图像恢复方法，方法步骤如下：首先，结合可变形卷积和注意力机制，设计了一种动态感知注意力U型网络，可以有效感知雾图中的雾霾密度分布。然后，构建有监督分支，使用合成数据集训练网络，确保模型具备基本的去雾能力；接着，为了提升在自然雾霾图像上的泛化能力，进一步构建了无监督学习分支，利用自然图像的统计特性对网络进行微调；最后，使用训练完成的去雾网络，将雾霾图像作为输入，端到端地恢复无雾图像。与其他方法相比，本发明的去雾方法有效改善了图像去雾后的噪声和颜色失真问题，恢复后的图像在视觉质量上更加出色，具有良好的实用性和应用前景。

公开(公告)号：CN118570512A

公开(公告)日：2024-08-30

申请号：CN202410418837.1

申请日：2024-04-09

Applicant: 南京理工大学

Inventor： 李军 ,  林雨龙 ,  吉龙 ,  宛春林 ,  单梁 ,  张永

IPC: G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774 ,  G06N3/0464

Abstract: 本申请提供联合多尺度特征和自适应策略的遥感图像目标检测方法，方法包括：步骤A，对原始遥感图像中检测框的宽高进行k‑means++聚类，确定不同的K值，得到合适的锚框；步骤B，构建整体神经网络架构的；神经网络从输入端到输出端分为主干网络,特征聚合网络和检测头；步骤C，采用改进的主干网络即特征提取网络，提取图像中多尺度的特征层；步骤D，结合聚集‑分配机制和YOLOv7网络所特有的多分支堆叠模块，构建全新的特征聚合网络；步骤E，引入归一化Wasserstein损失，采用合适的调制系数，进行混合损失训练。本申请优化后的锚框尺寸经过改进后的网络能够有效地提高遥感图像中目标的检测精度。