申请/专利权人：清华大学

申请日：2023-11-28

公开（公告）日：2024-04-05

公开（公告）号：CN117830689A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/40;G06V10/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本申请实施例应用于深度学习技术领域，提供了一种基于深度学习的红外弱小飞行目标检测方法及产品，包括：获取原始视频图像中的当前帧图像和不同时间窗口的多个之前帧图像；根据当前帧图像和多个之前帧图像，提取时间多尺度时空特征；根据时间多尺度时空特征，获取时空多尺度时空特征，时空多尺度时空特征为深度语义下的时间多尺度时空特征；根据时空多尺度时空特征获取预测分割图，预测分割图用于确定原始视频图像中红外弱小飞行目标的位置信息。通过获取多个时间维度的目标特征，引入了时间注意力机制，能够更好的在时间维度提取弱小飞行目标的静态和动态特征信息，使检测结果的准确率更高。

主权项：1.一种基于深度学习的红外弱小飞行目标检测方法，其特征在于，包括：获取原始视频图像中的当前帧图像和不同时间窗口的多个之前帧图像；根据所述当前帧图像和所述多个之前帧图像，提取时间多尺度时空特征，所述时间多尺度时空特征用于描述所述当前帧图像的多个时间维度下的特征；根据所述时间多尺度时空特征，获取时空多尺度时空特征，所述时空多尺度时空特征为深度语义下的所述时间多尺度时空特征；根据所述时空多尺度时空特征获取预测分割图，所述预测分割图用于确定所述原始视频图像中红外弱小飞行目标的位置信息。

全文数据：

权利要求：

百度查询： 清华大学 一种基于深度学习的红外弱小飞行目标检测方法及产品

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD