您的位置: 专家智库 > >

文献类型

  • 5篇专利
  • 3篇期刊文章

领域

  • 3篇自动化与计算...
  • 1篇电子电信

主题

  • 3篇信号
  • 3篇图像
  • 3篇目标检测
  • 2篇信号检测
  • 2篇信号检测方法
  • 2篇弱信号
  • 2篇弱信号检测
  • 2篇统计信号
  • 2篇终端
  • 2篇网络
  • 2篇微弱信号
  • 2篇微弱信号检测
  • 2篇微弱信号检测...
  • 2篇小目标检测
  • 2篇滑窗
  • 2篇计算机
  • 1篇单帧图像
  • 1篇低功耗
  • 1篇低照度
  • 1篇低照度图像

机构

  • 8篇中国科学院
  • 3篇中国科学院大...

作者

  • 8篇张泽斌
  • 7篇李宝清
  • 4篇袁晓兵
  • 3篇刘华巍
  • 2篇张士柱
  • 2篇石君
  • 2篇王岳鹏
  • 1篇吕伟
  • 1篇丁园园

传媒

  • 2篇激光与光电子...
  • 1篇中国科学院大...

年份

  • 1篇2024
  • 3篇2023
  • 3篇2021
  • 1篇2016
8 条 记 录,以下是 1-8
排序方式:
一种微弱信号检测方法、终端和计算机可读存储介质
本发明涉及一种微弱信号检测方法,包括以下步骤:对信号序列进行滑窗,每滑动一次窗口得到一个信号检测区间;分别统计信号检测区间的相对能量与拐点计数;计算统计得到的相对能量与拐点计数的比值;将获得的比值与设定的检测阈值进行比较...
石君张士柱张泽斌刘华巍李宝清
基于双帧融合的野外运动小目标检测网络
2024年
由于野外监控传感系统中背景干扰较多、小目标像素点较少以及缺乏相关公开数据集等因素,在野外复杂环境中检测运动小目标仍然是国防军事应用中一个具有挑战性的问题。针对这一问题,提出一种基于YOLOv5改进的双帧融合目标检测网络(YOLO-DFNet)。首先,提出双帧融合模块用来处理骨干网络输出的相邻帧特征,通过计算通道及时间维度的注意力和空间注意力,提取运动特征;其次,在颈部网络与检测头之间设计一个时间梯形融合网络,关注不同大小感受野上的运动目标,改善大位移小目标的检测效果。在野外运动小目标数据集FMSOD上的实验结果表明:YOLO-DFNet在不同IoU上的平均精度比YOLOv5算法提高3.9个百分点,同时也优于TPH-YOLOv5、YOLOv7等其他目标检测网络。
赵筱晗张泽斌李宝清
关键词:目标检测运动小目标
一种抗倾斜被动红外探测光路设计方法
本发明涉及一种抗倾斜被动红外探测光路设计方法,包括以下步骤:选取四元PIR被动红外敏感元作为感光器件;根据目标高度确定垂直视场角;确定采用镜头的光圈数,并根据镜头的光圈数和镜头孔径得到镜头焦距;根据所述被动红外敏感元的尺...
王岳鹏崔文张泽斌李宝清袁晓兵
文献传递
一种微弱信号检测方法、终端和计算机可读存储介质
本发明涉及一种微弱信号检测方法,包括以下步骤:对信号序列进行滑窗,每滑动一次窗口得到一个信号检测区间;分别统计信号检测区间的相对能量与拐点计数;计算统计得到的相对能量与拐点计数的比值;将获得的比值与设定的检测阈值进行比较...
石君张士柱张泽斌刘华巍李宝清
文献传递
基于改进YOLOv5的低光照图像目标检测被引量:5
2023年
针对低光照环境下现有的目标检测算法普遍存在检测精度较低的问题,提出一种改进YOLOv5的双通道低光照图像目标检测算法(YOLOv5_DC)。首先,通过伽马变换和叠加高斯噪声的方法合成低光照图像,扩充数据集,提高模型的泛化能力;其次,提出特征增强模块,引入通道注意力机制,融合增强图像和原始图像的低级特征,抑制噪声特征的影响,改善网络的特征提取能力;最后,在颈部网络中加入特征定位模块,增加特征图在目标区域的响应值,使网络更关注目标区域,提高网络的检测能力。实验结果表明:所提YOLOv5_DC算法实现了更高的检测精度,在低光照图像目标检测数据集ExDark*上的平均精度均值(mAP)@0.5达71.85%,较原始的YOLOv5算法,提高了1.28个百分点。
舒子婷张泽斌宋尧哲吴萌萌袁晓兵
关键词:目标检测图像增强
一种被动红外低功耗自值守电路
本发明涉及一种被动红外低功耗自值守电路,包括:前端探测装置,用于探测目标信号;信号预处理电路,用于对所述前端探测装置探测到的目标信号进行预处理;硬件值守电路,用于对预处理后的目标信号进行统计并根据统计结果向控制器发出启动...
王岳鹏张泽斌崔文李宝清袁晓兵
文献传递
一种基于单帧数据的实时图像增强方法
本发明涉及一种基于单帧数据的实时图像增强方法,包括以下步骤:获取单帧低照度图像数据;计算低照度图像数据的像素均值及各阶矩值;判断图像数据是否过暗;对图像的每个像素点进行掩膜增强处理;使用经过掩膜增强后的像素值代替原像素值...
吕伟刘华巍丁园园张泽斌李宝清袁晓兵
文献传递
基于自适应特征增强的小目标检测网络被引量:7
2023年
由于尺寸有限、外观和几何线索较少以及缺少大规模小目标数据集,从图像中检测小目标仍然是计算机视觉领域中一个具有挑战性的难题.针对这个问题,提出一种自适应特征增强的目标检测网络(YOLO-AFENet)来改善小目标的检测精度.首先,通过引入特征融合因子,设计改进的自适应双向特征融合模块,充分利用各个尺度的特征图,提高网络的特征表达能力;其次,结合网络自身的特点,提出空间注意力生成模块,通过学习图像中感兴趣区域的位置信息以提高网络的特征定位能力.在UAVDT数据集上实验结果表明:所提YOLO-AFENet的平均精度(AP)比改进前的YOLOv5提高了 6.3个百分点,同时也优于其他目标检测网络.
吴萌萌张泽斌宋尧哲舒子婷李宝清
关键词:图像处理目标检测
共1页<1>
聚类工具0