公开(公告)号：CN117237830B

公开(公告)日：2024-02-20

申请号：CN202311489357.6

申请日：2023-11-10

申请人： 湖南工程学院

发明人： 吴迪 ,  谭凯文 ,  赵品懿 ,  陈子涵 ,  万琴 ,  沈学军

IPC分类号： G06V20/17 ,  G06V20/70 ,  G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

摘要： 本发明涉及计算机视觉技术领域，具体公开了基于动态自适应通道注意力的无人机小目标检测方法，包括如下步骤：步骤S1：以RseNet50作为骨干网络提取特征，利用特征金字塔网络融合特征，得到多尺度特征；步骤S2：构建多尺度三角动态颈网络，将步骤S1中的多尺度特征输入到多尺度三角动态颈网络中，得到细粒特征；所述多尺度三角动态颈网络结构包括横向连接路径和下采样连接路径，两种连接路径的各个连接中引入动态注意力模块，用于计算动态注意力权重和交并比损失；步骤S3：对步骤S2中的细粒特征执(56)对比文件CN 116258940 A,2023.06.13CN 116580322 A,2023.08.11CN 116758340 A,2023.09.15US 2023184927 A1,2023.06.15WO 2021139069 A1,2021.07.15刘芳;吴志威;杨安;韩笑.基于多尺度特征融合的自适应无人机目标检测.光学学报.2020,(第10期),133-142.Zheng, Z., et al..Distance-IoU Loss:Faster and Better Learning for BoundingBox Regression.AAAI Conference onArtificial Intelligence.2019,1-8.Z. Zheng et al..Enhancing GeometricFactors in Model Learning and Inferencefor Object Detection and InstanceSegmentation.IEEE Transactions onCybernetics.2021,第52卷(第8期),8574-8586.L. Zhang,et al..MMFNet: Forest FireSmoke Detection Using MultiscaleConvergence Coordinated Pyramid NetworkWith Mixed Attention and Fast-RobustNMS.IEEE Internet of Things Journal.2023,第10卷(第20期),18168-18180.

公开(公告)号：CN117237830A

公开(公告)日：2023-12-15

申请号：CN202311489357.6

申请日：2023-11-10

申请人： 湖南工程学院

发明人： 吴迪 ,  赵品懿 ,  谭凯文 ,  陈子涵 ,  万琴 ,  沈学军

IPC分类号： G06V20/17 ,  G06V20/70 ,  G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

摘要： 本发明涉及计算机视觉技术领域，具体公开了基于动态自适应通道注意力的无人机小目标检测方法，包括如下步骤：步骤S1：以RseNet50作为骨干网络提取特征，利用特征金字塔网络融合特征，得到多尺度特征；步骤S2：构建多尺度三角动态颈网络，将步骤S1中的多尺度特征输入到多尺度三角动态颈网络中，得到细粒特征；所述多尺度三角动态颈网络结构包括横向连接路径和下采样连接路径，两种连接路径的各个连接中引入动态注意力模块，用于计算动态注意力权重和交并比损失；步骤S3：对步骤S2中的细粒特征执行预测框回归和分类任务，实现小目标检测。

公开(公告)号：CN116486174A

公开(公告)日：2023-07-25

申请号：CN202310508021.3

申请日：2023-05-08

申请人： 湖南工程学院

发明人： 吴迪 ,  肖衍 ,  章银萍 ,  赵品懿 ,  刘志辉 ,  陈子涵 ,  甘升隆

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/778 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了一种基于图嵌入极限学习机的图像分类方法、装置及介质，所述方法步骤如下：步骤S1：获取数据集并对其进行预处理，得到训练集和测试集；步骤S2：采用多层图嵌入极限学习机算法对训练集进行模型训练，得到分类模型；步骤S3：将测试集输入所述分类模型，得到图像分类结果。本发明结合图嵌入方法提出一种新的极限学习机自动编码器，通过重新定义特征空间中数据特征重构误差函数，根据标签信息增加特征聚合能力，提取局部特征能力，增强特征表示能力；在损失函数上嵌入基于图的惩罚项，在ELM特征空间将缩小类内间距、增大类间距离，提取特征全局结构信息，从而在特征空间中找出更有效的判别边界。