本发明属于高压输电线路检测技术领域，公开了一种输电线路中小目标故障检测方法、检测系统及存储介质，利用无人机巡检视频制作训练样本和测试样本，其中包括一字间隔棒损坏、螺丝松动等五类故障；其次，在GaussianYOLOv3算法框架下，只保留32×32和64×64两层输出，构建了全新的检测模型；利用K‑means聚类算法确定了新的anchor个数和尺寸；为验证算法的检测精度和实时性，将其与YOLOv3和Gaussian YOLOv3两种算法进行比较。实验结果表明，相比于其它两种算法，本发明对输电线路中小目标故障的检测精准度和召回率都是最高，同时该算法具有较好的实时性。
📄 2020104584619
📂 G06V20_10
👤 西安科技大学
📅 2020-05-21
本发明公开了一种光学遥感图像显著目标检测方法，提取待检测光学遥感图像不同尺度的特征，然后通过边缘刻画和主体刻画，获取不同尺度边缘特征和主体特征，再经过主体解码和边缘解码操作，得到融合后的主体特征和边缘特征，并通过交互编码器得到不同尺度的交互特征，在此进行主体解码和边缘解码操作，融合后的特征进行连接操作后，进行卷积和上采样，获得最终的显著目标检测结果。本发明利用标签解耦对光学遥感图像进行解耦得到主体标签和边缘标签，分别提取加强主体特征和边缘特征，对结果进行监督。并通过进行迭代交互信息，获得更准确的显著目标检测结果，在削弱杂乱背景影响的同时，细化了图像的边缘，取得了较好的检测效果。
📄 2022105926311
📂 G06T7_00
👤 浙江工业大学
📅 2022-05-27
一种图像金字塔引导的遥感影像小目标检测方法，包含：步骤1：构建骨干网络；步骤2：构建图像金字塔引导网络，构建图像金字塔引导网络，提取图像金字塔特征信息；步骤3：融合骨干与图像金字塔特征，在步骤1、2的基础上得到骨干特征映射图R与图像金字塔特征映射图F，将图像金字塔特征信息作为附加信息，融合到骨干特征信息中去：步骤4：多层次特征融合；在步骤3得到骨干特征与图像金字塔特征融合后的多尺度特征O后，利用特征金字塔网络的侧边横向连接方式，构建一条自上而下的融合路径，将深层语义信息融合到浅层丰富的空间信息中去。本发明提高了小目标检测的精度。
📄 2021102467437
📂 G06V10_25
👤 浙江工业大学
📅 2021-03-05
基于结构先验与双域解耦混合专家的伪装目标检测方法和装置，其方法包括：1）采集多种伪装目标图像作为样本数据，进行预处理；2）搭建伪装目标检测网络，从输入层开始，依次连接PVT骨干网络、DDMoE模块以及FESP解码器；PVT骨干网络接收输入图像，提取并输出多尺度特征图序列；DDMoE模块接收多尺度特征图，利用动态门控路由器产生的先验信息驱动特征分发，指导特征在主体、边界和背景三个结构域进行显式解耦，并在各结构域内部进行特征子空间的细化解耦表征，最终输出解耦特征图；FESP解码器接收解耦特征图以及PVT骨干网络的浅层特征，引导特征的逐级恢复与细化，输出预测的伪装目标掩码；3）训练和验证伪装目标检测网络；4）测试伪装目标检测网络模型。
📄 2026105110918
📂 G06V10_25
👤 浙江工业大学
📅 2026-04-17
本发明公开了一种基于改进YOLOv8的图像目标检测方法及系统，本发明将待检测的图像输入训练好的目标检测网络，得到检测的目标；其中，所述目标检测网络将YOLOv8的骨干网中所有C2f模块全部替换为新型循环视觉模块；其中，所述新型循环视觉模块包括依次连接的卷积子模块、局部自注意力子模块、第一多层感知机子模块、全局自注意子模块、第二多层感知机子模块和特征金字塔多尺度融合子模块，每一子模块的输出还通过残差连接下一子模块。本发明效率更高。
📄 2023108926515
📂 G06V20_00
👤 淮安大学
📅 2023-07-20
本发明公开了一种面向低分辨率图像的目标检测方法，其实施方案为：1)获取高分辨率图像目标检测训练数据集；2)创建低分辨率图像目标检测训练数据集；3)构建低分辨率图像目标检测模型；4)构建损失函数；5)训练模型；6)低分辨率图像目标检测。本发明构建的低分辨率图像目标检测模型，通过设计一个任务分解增强网络来逐步增强低分辨率图像的质量，在此基础上，设计一个辅助特征增强头模块来利用高分辨率图像先验信息监督网络训练，增强检测特征的表达能力，改善模型的目标检测性能。
📄 2023108775534
📂 G06V10_774
👤 中南大学
📅 2023-07-18
本申请提供一种目标检测方法及其装置，该方法包括：利用预先训练的尺度回归网络确定待检测图像中各分块的缩放系数；按照所述缩放系数对各分块进行缩放；分别对缩放后的各分块进行目标检测；对各分块中的目标进行融合输出，以得到所述待检测图像中的目标检测结果。该方法可以降低目标检测模型的复杂度和训练难度，并提高目标检测的准确率。
📄 2018107131793
📂 G06V10_32
👤 广东高航知识产权运营有限公司
📅 2018-06-29
本发明公开了一种多尺度特征融合和边界信息注意的视频显著目标检测方法。所述方法包括如下步骤：获取视频显著目标检测数据集及对应光流图，输入到训练好的视频显著目标检测网络中；采用双流主干特征编码器，获取多层级特征；利用全局引导多尺度融合模块，以获取多尺度时空特征；通过跨模态边界注意模块，改善多尺度时空特征的边界检测效果；采用场景感知融合模块，以促进时空特征融合；将融合后的特征不断解码，恢复至原始视频帧尺寸，以获取最终的显著性图。所述方法探索多尺度时空特征融合和边界注意方法，提高了视频显著目标检测的精度，改善了边界检测效果。
📄 2023116354490
📂 G06V10_25
👤 石家庄铁道大学
📅 2023-12-01
本发明针对胶囊内窥镜拍摄时产生大量图片、图片内部环境复杂和病变区域较小难以检测的问题，研究并提出了一种基于注意力机制的目标检测器用于检测病变的息肉区域。在该目标检测网络中，设计了一个残差注意力机制模块，该模块可以从空间和通道数两个维度增强对息肉特征的学习，并在模块中采用残差横向连接防止细节信息的丢失。另外在网络的输出模块中，设计了一种特征融合方式，对提取到的特征金字塔中每个特征块都进行相同尺寸的自适应均值池化操作使得每个特征块经过池化后形成空间特征金字塔结构，然后融合每个空间特征金字塔中具有相同大小的特征块以充分利用上下文的语义信息，对融合后的特征块加上SE(Squeeze And Excitation)注意力机制得到网络的输出特征。
📄 2021114747119
📂 G06V20_20
👤 重庆邮电大学
📅 2021-12-06
本发明请求保护一种面向遥感图像的解耦双头小样本目标检测方法(DDNet)，旨在在遥感领域中，使用少量样本对图像中的目标进行分类和定位，属于计算机视觉技术领域。所述方法包括以下步骤：步骤1.本发明首先引入通道注意力机制提取特征之间的通道关系，旨在增强由基础网络提取的特征。步骤2.本发明提出了一种特征增强解耦模块，该模块通过设计两个不同的特征提取函数，解耦分类与回归任务，有效提高了由于分类和回归所需特征不同所造成的性能降低的问题。步骤3.本发明设计了一个新的双头检测模块，它可以降低灾难性遗忘对检测器的影响。
📄 2024101057212
📂 G06V20_13
👤 重庆邮电大学
📅 2024-01-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台