Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 长春理工大学;北斗应用发展研究院田永获国家专利权

长春理工大学;北斗应用发展研究院田永获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉长春理工大学;北斗应用发展研究院申请的专利一种基于退化模型的低慢小运动目标样本生成方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120339752B

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510423671.7,技术领域涉及:G06V10/774;该发明授权一种基于退化模型的低慢小运动目标样本生成方法是由田永;詹伟达;刘妍妍;张军;李国宁;韩登;朱德鹏;于国栋;郝子强设计研发完成,并于2025-04-07向国家知识产权局提交的专利申请。

一种基于退化模型的低慢小运动目标样本生成方法在说明书摘要公布了:本发明公开一种基于退化模型的低慢小运动目标样本生成方法,涉及图像处理技术领域,具体包括以下步骤:准备数据集;获取红外目标及背景样本;构建图像退化模型;构建目标伪样本生成模型;伪数据集对比检测实验;伪数据集样本对照实验。本发明通过模拟真实环境中的多种退化现象如运动模糊、光学噪声、光照变化等,生成高质量的训练数据,构建了一个方位角可控的生成对抗网络,逐步学习目标在连续方位角下的低维流形,生成特定方位角的目标图像,并通过损失函数对抗训练优化,最终生成高质量的假“低慢小”运动目标图像;针对目标和红外背景构建不同的退化方式,综合考虑了目标运动特性与背景成像机理,生成与实际场景相符的训练样本。

本发明授权一种基于退化模型的低慢小运动目标样本生成方法在权利要求书中公布了:1.一种基于退化模型的低慢小运动目标样本生成方法,其特征在于,包括以下步骤: S1.准备数据集:使用九种数据集,其中数据集一、数据集二、数据集三和数据集六用于伪样本生成;数据集四和数据集五用于对比实验训练模型;数据集五、数据集七、数据集八和数据集九与生成的伪样本数据集进行对比实验; S2.获取红外目标及背景样本:通过数据集六获取“低慢小”运动目标正样本,并通过方位角可控的生成对抗网络生成“低慢小”运动目标伪样本;通过混合数据集一、数据集二和数据集三生成背景伪样本; S3.构建图像退化模型:包括目标退化过程和背景退化过程,将步骤S2生成的目标伪样本和背景伪样本输入该模型,得到退化后的样本库; S4.构建目标伪样本生成模型:将步骤S3的退化样本库输入该模型,生成红外弱小目标伪样本图像; S5.伪数据集对比检测实验:采用多种算法模型对生成的伪样本数据进行检测; S6.伪数据集样本对照实验:将生成的数据集与四种经典红外弱小目标伪样本数据集进行对照实验,验证生成方法的有效性; 所述S1中: 数据集一为MDvsFA数据集,数据集二为SIRST-Aug数据集,数据集三为SIRST数据集; 数据集四为NUAA-SIRST数据集,数据集五为IRSTD-1k数据集; 数据集六为包含弱小目标的自制红外数据集; 数据集七为NUDT-SIRST数据集,数据集八为NUST-SIRST数据集,数据集九为IRDST-simulation数据集。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人长春理工大学;北斗应用发展研究院,其通讯地址为:130012 吉林省长春市卫星路7089号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。