一种基于国产化昇腾AI处理器的声呐视频目标检测方法和装置，属于海洋声学探测技术领域，其方法包括以下步骤：S1、搭建基于Atlas200I A2加速模块的边缘智能硬件平台；S2设计前视声呐视频目标检测网络，引入运动激励模块，以增强帧间运动特征，设计自注意力特征聚合模块聚合时间上下文特征；S3、使用两阶段训练法训练声呐视频目标检测网络，保存训练的网络权重和结构为ONNX推理框架图文件，使用非对称量化法对模型的权重进程量化；S4、使用昇腾CANN异构推理框架部署视频目标检测网络。本发明克服单帧检测器对前视声呐视频中的运动模糊和目标隐蔽等情况检测差的挑战，提升了检测精度，推动国产化AI处理器在前视声呐检测技术中的应用与发展。
📄 2024118096356
📂 G06V20_40
👤 浙江工业大学
📅 2024-12-10
本发明公开了基于深度学习的无透镜双型融合目标检测装置及方法，装置包括双型融合全息无透镜成像模块和神经网络模块，所述双型融合全息无透镜成像模块包括激光源，微孔，滤光片，第一反射镜，第二反射镜，第一相干光源、第二相干光源，目标样本及载玻片，第一CCD传感器、第二CCD传感器，计算机和移动滑轨，神经网络模块包括位置参数优化神经网络和目标检测区域卷积神经网络组成，双型融合无透镜成像模块同时获取透射型模块和反射型模块成像信息，并最终融合重建更高质量的成像结果，同时由神经网络不断优化位置参数，进一步优化成像结果，最后由目标检测区域卷积神经网络预测结果，并输出易懂、显性的评估结果。
📄 2019112544292
📂 G01N21_45
👤 杭州电子科技大学
📅 2019-12-09
本发明公开了一种自动上卷系统的高效目标检测方法，具体包括如下步骤：步骤1，通过工业相机获取检测对象的实时图像。步骤2，对步骤1获取的图像进行预处理；步骤3，对步骤2得到的图像进行边缘检测，得到二值表示的边缘图像；步骤4，在步骤3得到的边缘图像中利用霍夫变换椭圆检测法进行目标搜索；步骤5，利用基于长短轴的动态椭圆搜索法，以步骤4中搜索到的粗略椭圆长轴为基准，完成从一个端点开始至另一个端点的对椭圆边缘像素的搜索过程；步骤6，采用最小二乘法，对步骤5中搜索出的样本点进行椭圆拟合。本发明基于长短轴的动态椭圆搜索法，极大程度地避免了同型轮廓的干扰，提高了检测的精度。
📄 2020110921408
📂 G06T7_73
👤 西安理工大学
📅 2020-10-13
本发明公开了一种基于卷积神经网络的360度图像显著目标检测方法，包括如下步骤：S1、图像转换；S2、搭建特征金字塔网络；S3、采用四个特征聚合模块，每个模块由一个特征转换子模块完成立方体投影特征向等距形特征转换并与原等距形图像特征组合后，使用一个空洞卷积池化金字塔子模块实现特征的优化，从而得到多层次的聚合特征；S4、将多层次的聚合特征连接并馈送到注意力集成模块，通过推断空间和通道注意机制自适应地选择可靠空间和通道信息与原特征融合得到最终特征并完成显著目标检测。该方法使用图像映射关系基于等距形360度图像构建对应的立方体投影图像，使用双种类图像作为输入解决了单一等矩形图像输入造成的球面到平面投影的不良失真问题。
📄 2022105869910
📂 G06V10_46
👤 杭州电子科技大学
📅 2022-05-27
本发明公开了一种RGB‑D图像显著目标检测方法，包括以下步骤：提取RGB和Depth图像特征，同时实施融合形成RGBD融合特征，将其划分为高层RGBD融合特征及低层RGBD融合特征；利用三个Transformer增强所述高层RGBD融合特征，形成高层RGBD增强特征；三流解码所述高层RGBD增强特征，通过与低层RGBD融合特征的结合，形成RGBD细化特征；融合所述RGBD细化特征形成显著图；本发明检测方法利用Transformer增强高层特征，准确获取显著物体的位置信息，并利用三流融合，融入低层特征，细化显著物体轮廓细节；通过卷积神经网络和Transformer的结合、全局和局部的优化，产生精度高的显著图。
📄 2021107605043
📂 G06V10_80
👤 安徽大学
📅 2021-07-06
本发明公开了一种一种基于PSO的RGBD图的协同显著目标检测方法，该方法包括以下步骤：S1、输入RGB图，深度图和相应的RGBD单幅图的显著图；利用gPb–owt–ucm分割法进行区域分割，得到候选目标区域；S2、利用PSO方法得到每个粒子的最佳聚类中心数目和最优特征；S3、通过初始种群进行聚类得到得到显著图；S4、利用聚类质量选出最优的粒子，更新显著图。本发明利用PSO来提取目标特征从而进行后续的显著检测，利用PSO既可以自动决定该分类的数目又可以同时提取特征，从而进行协同显著检测，先利用PSO得到特征，利用这些特征进行区域分类从而得到最后的多分类结果和协同显著图。本发明通过图像库测试对比证明了其有效性以及在效果上明显的优势。
📄 2018114033704
📂 G06K9_62
👤 安徽大学
📅 2018-11-23
本发明公开一种基于改进RT‑DETR的遥感目标检测方法及系统，方法包括：步骤1、采集遥感图像数据；步骤2、将采集的遥感图像数据进行去噪、增强对比度和清晰度等预处理；步骤3、预处理后将图片制作成遥感数据集，按比例划分为训练集和验证集；步骤4、采用RT‑DETR模型对遥感数据集进行训练，得到一个遥感目标检测器；步骤5、采用超参数搜索验证方式在验证集上优化目标检测器的各项参数；步骤6、使用步骤5优化后所得遥感目标检测器对测试图像或视频进行检测。本发明相较于原RT‑DETR模型，在保持原有精度的前提下，减少了计算量，加快了网络收敛速度。
📄 2024112448760
📂 G06V20_17
👤 浙江理工大学
📅 2024-09-06
本发明涉及机器视觉技术领域，提出一种图像目标检测方法及系统，包括以下步骤：构建用于图像目标检测的第一网络模型、第二网络模型和第三网络模型；其中，第一网络模型、第二网络模型和第三网络模型中包括特征提取模块、特征融合模块和输出模块；其中，第一网络模型中的特征提取模块经过网络压缩得到，第二网络模型中的特征提取模块引入瓶颈结构，第三网络模型中的特征提取模块和特征融合模块采用FPN结构；根据第一网络模型、第二网络模型和第三网络模型分别生成相应的IP核，然后将IP核经过设计后搭载在硬件系统上；获取待检测的图像并对其进行预处理，根据图像的规格调用硬件系统上适配的IP核执行图像目标检测，输出得到目标检测结果。
📄 2022109576618
📂 G06V10_82
👤 暨南大学
📅 2022-08-10
本发明公开了一种基于新型特征金字塔网络的图像目标检测方法，首先采用金字塔池化模块对输入的最高等级特征图处理，得到包含特征图不同大小区域上下文信息的多尺度特征，然后对所有等级的特征图进行降维和平均池化，得到通道数一致、大小一致的四个特征图，再送入两个1x1卷积层计算得到位置权重，并对四个特征图进行位置加权，然后采用3x3卷积对最高等级的特征图进行处理并自上而下相加融合得到五个特征图，最后在五个特征图上预测，得到目标检测结果。本发明不仅能解决混叠效应、高级语义信息被稀释和低级空间信息局限访问的问题，还能不复杂化特征金字塔网络的融合结构，生成更具有鉴别性的特征，提升不同类型的检测器的检测精度。
📄 202210048960X
📂 G06K9_62
👤 广东工业大学
📅 2022-01-17
本发明公开一种跨模态特征融合及渐近解码的显著性目标检测方法及装置。本发明通过双流SwinTransformer编码器对所述待检测图像提取多层级、多尺度的RGB特征和深度特征；通过跨模态注意力融合模块对所述多层级、多尺度的RGB特征和深度特征进行融合，得到融合特征；通过渐进融合解码器对所述融合特征中的高级融合特征进行解码，并在解码的过程中逐级融合低级特征；本发明解决了现有技术需要通过附加额外的特征增强或边缘生成模块来达到最先进的效果，这不可避免地会造成特征冗余和计算资源的浪费，同时也限制了显著性目标检测模型设计的进一步发展的问题。
📄 2022115767966
📂 G06V10_25
👤 大连民族大学
📅 2022-12-09
本发明公开了一种基于LLC‑YOLO算法的车辆目标检测，包括如下步骤：步骤1、获取图像数据集，并通过脚本对数据集进行筛选，筛选得到标签为夜晚的图片，进而将标签文件从JSON格式转换为YOLO格式；步骤2、构建LLC‑YOLO模型，所述LLC‑YOLO模型包括LLC‑Net、主干网络backbone、颈部网络CMCF‑Neck和head；步骤3、通过LLC‑Net对筛选出的夜晚图片进行低光增强；步骤4、通过backbone对低光增强后的图片进行特征提取；步骤5、通过CMCF‑Neck进行通道间的特征融合；步骤6、通过head输出检测结果。该方法引入低光增强网络LLC‑Net，LLC‑Net网络通过拉普拉斯金字塔结构提取出黑暗图像中不同尺度的潜在信息，然后通过自适应低通滤波器和细节特征提取模块对不同尺度的图像进行特征增强，提高了模型在黑夜环境下的检测精度。
📄 202410384762X
📂 G06V10_25
👤 杭州电子科技大学
📅 2024-04-01
本发明公开了基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，首先采用BING算法对航拍图像进行粗定位，提取感兴趣区域；其次采用AlexNet深度卷积网络分析感兴趣区域，选取AlexNet深度卷积网络的Pooling5层为AP特征；接着基于旋转梯度不变性，提取感兴趣区域的RGT特征；然后采用SFFS算法融合AP特征和RGT特征，生成AP-RGT特征；最后使用SVM对AP-RGT特征进行训练分类，建立优化问题，求解得到目标检测结果。本发明克服了航拍图像成像角度变化大、航拍镜头变化大以及航拍目标多变带来的困难。
📄 2016105921825
📂 G06K9_00
👤 南京信息工程大学
📅 2016-07-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台