-
公开(公告)号：CN118155059B
公开(公告)日：2024-07-30
申请号：CN202410559141.0
申请日：2024-05-08
申请人： 南方海洋科学与工程广东省实验室(珠海) , 佛山科学技术学院
IPC分类号： G06V20/05 , G06N3/0455 , G06N3/082 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
摘要： 本发明公开了一种基于深度学习嵌入的水下目标检测方法及系统，该方法包括：获取待检测水下目标数据；引入Transformer编码器与动态非单调聚焦机制Wise‑IoU边框损失函数，构建深度学习水下目标检测网络；基于深度学习水下目标检测网络对待检测水下目标数据进行目标检测处理，得到水下目标检测结果。该模块包括：获取模块、构建模块和检测模块。本发明能够提高深度学习水下目标检测网络对水下微小目标的检测精度与检测速度。本发明作为一种基于深度学习嵌入的水下目标检测方法及系统，可广泛应用于水下目标检测技术领域。
-
公开(公告)号：CN118155059A
公开(公告)日：2024-06-07
申请号：CN202410559141.0
申请日：2024-05-08
申请人： 南方海洋科学与工程广东省实验室(珠海) , 佛山科学技术学院
IPC分类号： G06V20/05 , G06N3/0455 , G06N3/082 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
摘要： 本发明公开了一种基于深度学习嵌入的水下目标检测方法及系统，该方法包括：获取待检测水下目标数据；引入Transformer编码器与动态非单调聚焦机制Wise‑IoU边框损失函数，构建深度学习水下目标检测网络；基于深度学习水下目标检测网络对待检测水下目标数据进行目标检测处理，得到水下目标检测结果。该模块包括：获取模块、构建模块和检测模块。本发明能够提高深度学习水下目标检测网络对水下微小目标的检测精度与检测速度。本发明作为一种基于深度学习嵌入的水下目标检测方法及系统，可广泛应用于水下目标检测技术领域。
-
公开(公告)号：CN117173551B
公开(公告)日：2024-02-09
申请号：CN202311443902.8
申请日：2023-11-02
IPC分类号： G06V20/05 , G06N3/0464 , G06N3/048 , G06N3/088 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82
摘要： 本发明公开了一种场景自适应的无监督水下弱小目标检测方法及系统，该方法包括：定义神经网络架构的搜索空间，基于改进的可微分架构搜索方法构建cell库；引入MobileNet V3特征提取网络构建RetinaNet网络；基于RetinaNet网络，对水下弱小目标进行目标检测处理；将水下弱小目标特征数据作为精度检测指标对cell库进行压缩处理，通过OPTICS聚类算法对压缩后的cell库进行优化分类，通过Nas搜索策略对优化后的cell库进行搜索优化，得到最优cell库；基于最优cell库对水下弱小目标进行目标检测处理。本发明通过自定义搜索空间构建cell库在进行压缩搜索优化，提高水下弱小目标的检测效率与精度。本发明作为一种场景自适应的无监督水
-
公开(公告)号：CN116681627A
公开(公告)日：2023-09-01
申请号：CN202310967540.6
申请日：2023-08-03
申请人： 佛山科学技术学院
IPC分类号： G06T5/00 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
摘要： 本发明公开了一种跨尺度融合的自适应水下图像生成对抗增强方法，该方法包括：获取水下图像样本数据集，所述水下图像样本数据集包括待增强的水下图像与Ground‑truth图像；引入自适应图像物理模型增强模块，构建自适应水下图像生成对抗网络模型；通过水下图像样本数据集对自适应水下图像生成对抗网络模型进行交替优化训练，生成增强后的水下图像。本发明通过引入自适应图像物理模型增强模块，能够更好的获得对输入数据不同局部区域的判别结果。本发明作为一种跨尺度融合的自适应水下图像生成对抗增强方法，可广泛应用于水下图像增强技术领域。
-
公开(公告)号：CN117173551A
公开(公告)日：2023-12-05
申请号：CN202311443902.8
申请日：2023-11-02
IPC分类号： G06V20/05 , G06N3/0464 , G06N3/048 , G06N3/088 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82
摘要： 本发明公开了一种场景自适应的无监督水下弱小目标检测方法及系统，该方法包括：定义神经网络架构的搜索空间，基于改进的可微分架构搜索方法构建cell库；引入MobileNet V3特征提取网络构建RetinaNet网络；基于RetinaNet网络，对水下弱小目标进行目标检测处理；将水下弱小目标特征数据作为精度检测指标对cell库进行压缩处理，通过OPTICS聚类算法对压缩后的cell库进行优化分类，通过Nas搜索策略对优化后的cell库进行搜索优化，得到最优cell库；基于最优cell库对水下弱小目标进行目标检测处理。本发明通过自定义搜索空间构建cell库在进行压缩搜索优化，提高水下弱小目标的检测效率与精度。本发明作为一种场景自适应的无监督水下弱小目标检测方法及系统，可广泛应用于目标检测技术领域。
-
公开(公告)号：CN116681627B
公开(公告)日：2023-11-24
申请号：CN202310967540.6
申请日：2023-08-03
申请人： 佛山科学技术学院
IPC分类号： G06T5/00 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
摘要： 本发明公开了一种跨尺度融合的自适应水下图像生成对抗增强方法，该方法包括：获取水下图像样本数据集，所述水下图像样本数据集包括待增强的水下图像与Ground‑truth图像；引入自适应图像物理模型增强模块，构建自适应水下图像生成对抗网络模型；通过水下图像样本数据集对自适应水下图像生成对抗网络模型进行交替优化训练，生成增强后的水下图像。本发明通过引入自适应图像物理模型增强模块，能够更好的获得对输入数据不同局部区域的判别结果。本(56)对比文件YUANHAO ZHONG et al.SCAUIE-Net:Underwater Image Enhancement Method Basedon Spatial and Channel Attention《.IEEE》.2023,第72172-72185页.Codruta O. Ancuti et al.Color Balanceand Fusion for Underwater ImageEnhancement《.IEEE》.2018,第27卷(第1期),第379-393页.
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.057 秒)
