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
本发明公开了一种基于深度多尺度特征因子融合的水下目标检测方法，属于水下目标检测技术领域，包括采集水下目标检测图像，对水下原始图像进行预处理，裁剪成适合网络输入的图像；对水下图像进行数据增强处理并进行标注，扩大算法训练的数据集；构建具有多尺度特征融合、软阈值注意力机制的检测模型，将标注好的图像数据集送进改进Faster RCNN网络模型进行训练；对训练好的水下目标检测模型进行性能评估。本发明提高了算法水下目标特征提取能力，提高了水下目标检测的平均精度，可用于获取水下图像里海产品及其位置。
📄 2022102538117
📂 G06V10_44
👤 燕山大学
📅 2022-03-15
本发明公开了一种基于综合特征挖掘和背景降噪的协同显著目标检测方法，涉及目标检测技术领域。本发明构建的基于综合特征挖掘和背景降噪的协同显著目标检测网络包括依次连接的Input层、主干网络、残差特征模块、综合特征生成模块Ⅰ、特征增强模块、解码器和对抗学习模块；主干网络中的特征提取模块Ⅰ、特征提取模块Ⅱ和特征提取模块Ⅲ均与解码器连接；主干网络还连接对比学习模块，残差特征模块的输出端还连接特征增强模块。本发明在捕捉协同显著目标的细节方面更加突出，具有更高的检测精度，得到的预测显著图更加准确。
📄 2024110738311
📂 G06V10_774
👤 齐鲁工业大学(山东省科学院)
📅 2024-08-07
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
本发明属于目标检测技术领域，具体涉及基于YOLOv5模型的密集行人目标检测方法及系统。方法如下：S1，对行人数据进行采集形成数据集，并对数据集进行数据预处理；S2，根据硬件设备的参数以及需要达到的识别效果，配置YOLOv5模型参数；S3，对原YOLOv5模型进行修改，获得修改后的YOLOv5模型；S4，将预处理后的数据集分成训练集，验证集和测试集；使用训练集和验证集对修改后的YOLOv5模型进行训练；S5，训练结束后的YOLOv5模型生成权重文件，导入训练好的权重与待检测的图片，得到检测后的图片，比较识别效果和检测精度是否达到预期要求。本发明具有能增加检测速度，保持检测精度，提升模型泛化力且能解决因密集行人造成的错检漏检问题的特点。
📄 2022115116293
📂 G06V40_10
👤 杭州电子科技大学
📅 2022-11-29
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
本发明公开一种视频序列中动态目标检测剔除方法，首先采集搭载在机器人上的双目相机采集到左图像、右图像，然后对图像进行矫正、去噪、灰度化预处理；对左图像使用Mask R‑CNN进行实例分割，同时对左图像和右图像提取ORB特征；计算出两帧图像之间的场景流；随后进行动态目标检测和动态目标剔除；本发明使用实例分割网络可以对场景中的实例进行像素精度的分割，后续的剔除将使用实例分割的结果，动态目标剔除的精度高；通过动态目标检测与剔除方法使用实例分割以及场景流两种方法判断场景中实例的动态性，两次判断确保了动态目标被检测到的几率，系统漏检率低。
📄 2019108791066
📂 G06T7_246
👤 成都信息工程大学
📅 2019-09-18
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
柿子坊 · 知识产权运营
柿子坊知识产权运营平台