专利交易市场

本发明公开了一种基于改进YOLOv8的儿童肺炎病灶定位方法，涉及目标检测技术领域，包括以下步骤：构建儿童肺炎病灶定位模型并进行训练；利用训练好的儿童肺炎病灶定位模型实现儿童肺炎病灶定位；所述儿童肺炎病灶定位模型包括Backbone骨干特征提取网络、Neck特征融合网络和Head检测头；Backbone骨干特征提取网络对输入图像提取不同尺度的特征；Neck特征融合网络对不同尺度的特征进行特征融合，输出不同尺度的融合特征；Head检测头基于不同尺寸的融合特征图执行分类回归预测，定位儿童肺炎病灶。本发明不显著增加检测时间，对易丢失的病灶边界和轮廓细节特征进行精确提取，提高定位儿童肺炎病灶精度。

本发明公开了一种基于边缘提取与空洞卷积的抓取目标检测算法，包括Edge feature模块、Darknet‑53特征提取模块、特征金字塔结构、Dilation‑ASFF网络，具体步骤为：步骤1，图像采集：采集目标的RGB图像，并利用Edge feature模块提取图像的边缘信息，形成四通道的特征信息；步骤2，特征提取：将采集的特征信息输入到Darknet‑53特征提取模块中，进行特征提取，改进损失函数为CIoU损失函数，并构建特征金字塔结构；步骤3，特征融合：将特征金字塔结构中的特征信息通过结合空洞卷积的Dilation‑ASFF网络将不同尺度的特征信息进行融合。本发明有效提高了网络的检测精度和检测速度，提高了网络对多尺度信息的感受能力及网络的收敛能力。

本发明涉及数字图像处理领域，具体涉及一种联合空间稀疏与相关性的高光谱目标检测算法，通过正则化同时强制检测输出的空间稀疏性和相关性：对检测器的输出加入空间稀疏性约束，抑制背景信息；引入空间相关性约束，强化目标或背景内部的连续性以及目标与背景边缘的差异性；考虑到经典算法的有效性和普及性，将两个约束所形成的稀疏正则项和空间正则项引入到经典算法目标函数中，形成通用处理框架；通过适当地设置这一通用公式的参数，得到包括经典CEM在内的一些算法；用交替方向乘子法方法求解所推导出的最优化问题，完成目标检测。本发明能够解决现有算法中对空间信息利用不足的问题，实现光谱信息和空间信息的综合利用，提高检测器性能。