本申请公开了一种光学遥感图像弱监督显著性目标检测方法,涉及光学遥感图像处理技术领域,该方法包括:获取光学遥感图像训练样本集,每个光学遥感图像训练样本包括光学遥感图像及其涂鸦标注掩码;构建显著性目标检测模型的网络架构,显著性目标检测模型包括条件引导模块、去噪模块和知识蒸馏模块;并利用光学遥感图像训练样本集训练得到显著性目标检测模型;利用训练好的显著性目标检测模型对待测光学遥感图像进行检测得到显著性目标检测结果。本申请结合扩散模型的逐步生成能力与知识蒸馏的知识传递机制,在弱监督条件下实现了光学遥感图像的高精度显著性目标检测,有效提升了显著性目标检测结果的准确性。
📄 2025105629056
📂 G06V10_25
👤 江南大学
📅 2025-04-30
本发明涉及深度学习与目标检测技术领域,公开了一种基于目标检测的井盖隐患检测方法,将井盖图像输入目标检测模型的主干网络,经过多个依次串联的提取单元,提取多个不同尺度的初级特征图,并输入基于FPN结构的颈部网络,输出每个尺度对应的融合特征图后,输入头部网络,输出井盖图像的每个尺度对应的预测标签、预测边界框与置信度。动态上采样模块生成采样偏移量来调整采样网络,更好地捕捉小目标信息,提高对井盖图像中细节的检测和分割精度;反转残差注意力下采样模块引入了注意力机制、深度可分离卷积与残差机制,有效压缩数据,减少信息损失,增强对井盖图像关键特征的关注,提升模型对井盖隐患的特征表达,进而提高井盖隐患检测精度。
📄 2025104507973
📂 G06V10_25
👤 江南大学; 江苏磐智数云科技有限公司
📅 2025-04-11
本发明公开了一种基于边缘增强的宽解码器显著性目标检测方法及系统包括:获取高分辨率图像数据集并对数据集中的目标高分辨率图像进行下采样处理,得到目标下采样图像;将目标高分辨率图像以及目标下采样图像分别输入显著性目标检测模型,显著性目标检测模型通过双通道网络对图像进行特征提取,得到不同层次的特征,拼接双通道网络的最深层特征并将拼接结果输入多尺度注意力模块得到第一特征;基于第一特征,利用多级宽解码器模块依次融合双通道网络的前三层特征得到第二特征,对第二特征进行特征解码得到最终的显著性目标检测结果。本发明能够在有限的计算资源下对高分辨率图像中的复杂几何形状进行精细化处理,精确提取边缘信息实现高质量分割。
📄 2024105806982
📂 G06V10_25
👤 第图(苏州)生物科技有限公司, 江南大学
📅 2024-05-11
本发明公开了一种基于输入级尺度精炼的高保真显著性目标检测方法及系统,该方法通过在输入端构建可学习尺度茎块生成正常视角、概览视角及注视视角的多尺度多视角输入流,从源头克服传统下采样造成的细节信息损耗;利用语义流与细节流异构编码分别提取高层语义和多尺度细节特征,并通过跨尺度注意力融合模块以自注意力机制动态整合不同视角的有效信息,有效弥合了尺度间的语义鸿沟;在解码阶段,设计由对比通道注意力与边界空间注意力组成的上下文‑结构协同解码器,显式解耦前景与背景并聚焦优化目标的模糊边缘和过渡区域,配合包含不确定性感知损失的混合损失函数进行深度监督,显著提升了显著性掩码的结构完整性与边缘保真度。
📄 2026111161033
📂 G06V10_25
👤 江南大学
📅 2026-07-27
本发明涉及人工智能与计算机视觉技术领域,具体公开了一种对象目标导航方法、装置及系统,包括:获取智能体第一视角图像,并从所述智能体第一视角图像中提取多粒度视觉特征;根据环境的几何信息、语义信息和认知信息构建多层次场景图结构;根据所述多粒度视觉特征以及多层次场景图结构进行两阶段交叉注意力处理,获得与目标相关的视觉区域;将所述与目标相关的视觉区域作为强化学习算法的状态表征进行策略优化,获得智能体的导航动作。本发明提供的对象目标导航方法能够使得智能体在执行对象目标导航任务时实现具备语义理解与认知一致性的决策能力。
📄 2025117721142
📂 G06V10_25
👤 匀熵智能科技(无锡)有限公司; 江南大学
📅 2025-11-28
本发明涉及计算机视觉技术领域,公开了一种轻量化RGB‑T显著目标检测方法,在特征交互层面设计局部‑全局互补聚合模块,通过浅层卷积与双线性上采样完成局部细节增强,并利用全局平均池化与全连接层实现全局语义建模,减少了运算开销与内存占用,同时保持跨层次信息的一致性与判别性;在特征挖掘层面引入三重线索挖掘模块,采用多尺度膨胀卷积、逐点卷积与离散余弦变换等低开销算子,建模空间上下文、通道依赖与频率语义,既保证了跨模态细节与互补信息的捕捉,又降低了参数量与计算复杂度;在训练优化层面,利用通道一致性损失与深度显著性监督损失有效补偿轻量化网络容量有限所带来的特征对齐不足与浅层表达弱化问题,提高模型检测能力。
📄 2025114219775
📂 G06V10_25
👤 江南大学
📅 2025-09-30
本发明提供了一种基于深度学习的雾天目标检测方法,包括以下步骤:步骤1,搭建多尺度目标检测网络;步骤2,使用雾天图像HazyDet目标检测数据集训练多尺度目标检测网络;步骤3,重复迭代训练,使多尺度目标检测网络收敛;步骤4,向多尺度目标检测网络中输入图像,计算雾天检测结果,输出雾天中目标的位置、类别信息。本发明优化了目标检测网络的训练方法,实现了检测网络进一步稳定调整训练,同时提高了网络对雾天目标快速检测的性能。本发明提出的网络有效权衡了检测速度和精度,易于设备部署,适合于雾天图像目标实时检测的需要。
📄 2025104460820
📂 G06V10_25
👤 南京信息工程大学
📅 2025-04-10
本发明公开了一种基于多尺度特征融合的小目标检测与状态感知方法,属于计算机视觉与深度学习领域,通过主干网络提取多尺度语义特征,通过空间自适应门控编码器和跨尺度上下文融合模块,构建两个上行融合路径和两个级联的下行增强路径,进行多尺度特征融合,增强对不同尺寸目标的感知能力,提高检测的准确率和鲁棒性;同时基于检测结果构建区域状态感知机制,实现对目标空间分布、行为趋势及动态变化的持续监测与智能分析,提高系统在复杂环境下的适应性和响应速度。本发明方法兼顾检测精度与计算效率,适用于资源受限的实时应用场景。
📄 2025111841013
📂 G06V10_25
👤 南京信息工程大学
📅 2025-08-22
本发明公开了融合局部先验和多尺度全局背景的红外小目标检测方法,该方法首先获取包含红外图像及其对应掩码标签的图像数据,并进行预处理。其次构建编码器‑解码器架构的目标检测模型,编码器包含并行的局部细节先验挖掘分支与多尺度全局背景感知分支,对预处理后的图像数据进行逐级特征提取,解码器包含渐进式特征融合解码分支,将编码器双分支的各级特征输入解码器分支逐级解码得到检测结果。最后训练中引入加权深度监督机制,在多个解码层设置辅助预测输出并计算加权损失。本发明解决现有方法对局部细节建模不足、Mamba的多尺度全局背景感知不足以及全局与局部特征融合困难等问题,提高了红外小目标的检测精度。
📄 2025111786548
📂 G06V10_25
👤 杭州电子科技大学
📅 2025-08-22
本发明公开了一种面向UAV航拍场景的轻量化目标检测方法,包括:选取数据集,将数据集划分为训练集、验证集和测试集,并进行预处理;构建目标检测网络模型OGCF‑YOLO:以YOLOv8n为基线模型,剔除冗余的P5下采样分支及其检测头并引入高分辨率P2检测头;在骨干网络末端、SPPF层之前插入空间‑通道协同注意力模块;提出正交门控特征融合机制,将Neck网络的C2f模块替换为OGCF‑C2f模块;通过基于点采样的动态上采样模块替代传统插值上采样;将拍摄的图像输入测试后的目标检测网络模型OGCF‑YOLO,得到检测结果。本发明通过重构骨干网络与特征融合路径,实现了检测精度的显著跃升。
📄 2026102760280
📂 G06V10_25
👤 广东海洋大学
📅 2026-03-09
本发明公开了一种基于多特征融合的遮挡目标识别方法。现有的遮挡识别方法识别准确率低,且计算特征点的计算量大影响实时性。本发明主要包括以下几个方面:(1)利用多特征融合的方式,依托颜色及轮廓减小无关检测区域;(2)SIFT算法实现兴趣点检测与描述以及目标模板图像与检测图像像中多角度兴趣点的匹配;(3)在上述关键技术基础上,采用RANSAC剔除误匹配点后的图像区域进行定位。基于该方法可以提高未被遮挡区域图像显著性,提升匹配的实时性。
📄 2020115329816
📂 G06V10_25
👤 杭州电子科技大学
📅 2020-12-21
本发明公开了一种基于DSLNet网络的车辆检测方法及装置,对预先获取的交通车辆原始图像进行预处理,分为训练图像和测试图像;构建DSLNet车辆目标检测网络;包括主干网络模块、UDM加强特征提取模块以及YoloHead目标检测头模块;主干网络模块用于提取车辆的特征信息,UDM加强特征提取模块进一步加强特征的提取能力,YoloHead目标检测头模块用于检测目标对象;将事先分配好的训练图像输入到DSLNet车辆目标检测网络中进行训练;将测试图像输入到训练好的DSLNet车辆目标检测网络中,进行评估。本发明提出的DSLNet网络,结构简单,采用大卷积和小卷积组合的方式进行特征提取,并采用深度可分离卷积来降低参数量,能够实现道路图像中实时的车辆的准确识别,且识别准确率较高。
📄 2023100329573
📂 G06V10_25
👤 淮安大学
📅 2023-01-10