-
公开(公告)号：CN118941973A
公开(公告)日：2024-11-12
申请号：CN202411434113.2
申请日：2024-10-15
申请人： 安徽大学 , 中国电子科技集团公司第三十八研究所
摘要： 本发明公开了基于多任务强化学习自动剪枝方法的SAR舰船目标检测方法及系统，涉及SAR舰船目标检测领域，其中方法包括：采集包含待检测目标舰船的SAR图像；设计多任务强化学习自动剪枝方法；基于多任务强化学习自动剪枝方法，改进传统SAR舰船目标检测模型，得到最终模型；利用最终模型对SAR图像进行检测，识别其中的舰船。本发明通过多任务强化学习自动剪枝方法优化SAR舰船目标检测，有效减少模型参数量和计算量，同时保持高检测精度，增强模型在边缘设备上的应用能力。
-
公开(公告)号：CN118469022B
公开(公告)日：2024-10-29
申请号：CN202410919970.5
申请日：2024-07-10
申请人： 安徽大学
IPC分类号： G06N5/04 , G06N3/0455 , G06N3/0499 , G06F18/25 , G06V10/40 , G06V10/56 , G06V10/58 , G06F40/30 , G06V10/80 , G06V10/82 , G06N3/048
摘要： 本发明公开了基于文本信息引导的多源遥感视觉问答方法及系统，方法包括：获得RGB特征、SAR特征以及原始文本特征；原始文本特征和RGB特征输入第一特征增强模型得到RGB增强特征，原始文本特征和SAR特征输入第二特征增强模型得到SAR增强特征；RGB增强特征、SAR增强特征以及原始文本特征均输入QGF模型得到图像融合特征；图像融合特征以及原始文本特征输入第一解码器得到融合文本特征的图像特征，将原始文本特征以及图像融合特征输入第二解码器得到融合图像特征的文本特征，经处理得到最终预测的遥感视觉问答任务答案；本发明的优点在于：提高遥感视觉问答任务回答的准确性。
-
公开(公告)号：CN115546555B
公开(公告)日：2024-05-03
申请号：CN202211274361.6
申请日：2022-10-18
申请人： 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法，属于SAR图像目标检测技术领域，包括以下步骤：构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型；将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中，输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet，从更加均衡的角度解决SAR图像舰船目标检测的问题，在大大减小参数量和计算量的同时，检测精度也得到一定保证和提升。
-
公开(公告)号：CN118941914A
公开(公告)日：2024-11-12
申请号：CN202410861508.4
申请日：2024-06-28
申请人： 安徽大学
IPC分类号： G06V10/82 , G06V10/20 , G06V10/40 , G06V10/766 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/09
摘要： 本发明提供结构信息引导的SAR目标细粒度识别方法及系统，方法包括：采用了YOLOv5的策略进行数据预处理；将预处理后的数据送入DCN和注意力模块中，对图像中的关键特征进行引导增强；特征送入检测头，生成最终的识别结果；采用Focaler‑SloU进行网络训练。本发明解决了鲁棒性和泛化性较弱、虚警率高、漏检错检以及目标具体型号难以进行准确的细粒度分类的技术问题。
-
公开(公告)号：CN118469022A
公开(公告)日：2024-08-09
申请号：CN202410919970.5
申请日：2024-07-10
申请人： 安徽大学
IPC分类号： G06N5/04 , G06N3/0455 , G06N3/0499 , G06F18/25 , G06V10/40 , G06V10/56 , G06V10/58 , G06F40/30 , G06V10/80 , G06V10/82 , G06N3/048
摘要： 本发明公开了基于文本信息引导的多源遥感视觉问答方法及系统，方法包括：获得RGB特征、SAR特征以及原始文本特征；原始文本特征和RGB特征输入第一特征增强模型得到RGB增强特征，原始文本特征和SAR特征输入第二特征增强模型得到SAR增强特征；RGB增强特征、SAR增强特征以及原始文本特征均输入QGF模型得到图像融合特征；图像融合特征以及原始文本特征输入第一解码器得到融合文本特征的图像特征，将原始文本特征以及图像融合特征输入第二解码器得到融合图像特征的文本特征，经处理得到最终预测的遥感视觉问答任务答案；本发明的优点在于：提高遥感视觉问答任务回答的准确性。
-
公开(公告)号：CN115240078B
公开(公告)日：2024-05-07
申请号：CN202210723547.9
申请日：2022-06-24
申请人： 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC分类号： G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0495 , G06N3/0985
摘要： 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
公开(公告)号：CN115546555A
公开(公告)日：2022-12-30
申请号：CN202211274361.6
申请日：2022-10-18
申请人： 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法，属于SAR图像目标检测技术领域，包括以下步骤：构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型；将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中，输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet，从更加均衡的角度解决SAR图像舰船目标检测的问题，在大大减小参数量和计算量的同时，检测精度也得到一定保证和提升。
-
公开(公告)号：CN115240078A
公开(公告)日：2022-10-25
申请号：CN202210723547.9
申请日：2022-06-24
申请人： 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC分类号： G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.029 秒)
