公开(公告)号：CN119540788A

公开(公告)日：2025-02-28

申请号：CN202411636045.8

申请日：2024-11-15

Applicant: 西安电子科技大学

Inventor： 王海 ,  谭金林 ,  王晨好 ,  张敏 ,  霍豫 ,  成曦

IPC: G06V20/13 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06V10/766 ,  G06N3/0499 ,  G06N3/0895

Abstract: 本发明公开了一种基于权重再分配和任务对齐的遥感图像弱监督目标检测方法，主要解决现有检测方案邻域目标误分类、仅关注目标最显著区域以及分类分支与回归分支不一致的问题。方案包括：引入高质量正实例挖掘获取种子实例，依据实例间的空间和特征相似性确定邻域实例和背景实例；通过计算正实例之间的空间关系矩阵，筛选覆盖目标完整的实例，完成正实例权重再分配；同时考虑弱监督目标检测模型初期的不稳定性，引入任务对齐边框回归损失，通过设计任务对齐调制因子来动态调整权重，再将调制因子和实例的困难程度结合作为回归分支的权重。本发明能够避免邻域实例的误分类、关注目标整体，以及增加分类与回归分支的耦合性，有效提升检测性能。

公开(公告)号：CN114494829B

公开(公告)日：2024-06-11

申请号：CN202210045694.5

申请日：2022-01-16

Applicant: 西安电子科技大学 ,  陕西航天技术应用研究院有限公司

Inventor： 王海 ,  周科学 ,  张敏 ,  谭金林 ,  王梁 ,  张锐

IPC: G06V20/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供了一种SAR图像多尺度舰船目标检测方法，解决了舰船目标检测网络直接进行特征图融合，忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集；构建特征提取模块；构建特征融合模块；构建基于特征提取和特征融合模块的舰船目标检测网络；进行网络训练和测试，实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征，且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测，提升了检测精度，用于SAR图像舰船目标检测。

公开(公告)号：CN114494829A

公开(公告)日：2022-05-13

申请号：CN202210045694.5

申请日：2022-01-16

Applicant: 西安电子科技大学 ,  陕西航天技术应用研究院有限公司

Inventor： 王海 ,  周科学 ,  张敏 ,  谭金林 ,  王梁 ,  张锐

IPC: G06V20/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种SAR图像多尺度舰船目标检测方法，解决了舰船目标检测网络直接进行特征图融合，忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集；构建特征提取模块；构建特征融合模块；构建基于特征提取和特征融合模块的舰船目标检测网络；进行网络训练和测试，实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征，且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测，提升了检测精度，用于SAR图像舰船目标检测。