更新时间：2026-08-18 00:04:20
已登记
详细信息
-
知识产权名称
基于人工智能的手绘边缘图驱动伪装目标检测数据
-
登记编号
DIP2024000015611
-
申请人
湖州创感科技有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2024-11-14 11:21:03
详细信息
-
所属行业
制造业
-
交易状态
待交易
-
数据规模
4041
-
更新频次
按需更新
-
应用场景
基于人工智能的手绘边缘图驱动伪装目标检测技术在多个领域有着广泛的应用，尤其是在环境监测和智能安防等高精度目标检测任务中。在这些场景中，伪装目标往往与周围环境高度相似，增加了目标识别的难度。通过利用手绘线条（如草图或涂鸦）提供的边缘信息，该技术能够有效地辅助计算机视觉系统识别伪装物体。通过将手绘线条与伪装目标图像、分割掩码及边缘图结合，算法能够精确地分离出目标区域，并在复杂背景中识别出目标物体。该技术在无人机侦察、智能视频分析等领域尤为重要，它能够提高侦察效率，降低目标检测的误报率。
-
算法规则简要说明
数据收集：在本算法中，首先从伪装目标图像中提取相关数据，包括伪装目标图片、手绘草图、分割掩码以及边缘图。伪装目标图片作为原始输入，手绘草图提供了目标的边缘信息，真实分割标签为目标区域的准确标注。这些数据共同构成了用于训练伪装目标检测模型的基础。 数据预处理：在数据预处理阶段，首先将原始伪装目标图片和手绘草图进行对齐，确保它们具有一致的视角与比例。接下来，通过图像处理算法对伪目标图片进行增强，提取伪装目标的关键特征。对于真实分割标签，采用图像分割技术进行准确的目标区域提取。经过这些预处理，得到的图像数据可以用于后续的模型训练。 模型构建：使用深度学习网络对处理后的手绘草图进行特征提取，结合伪目标图片与手绘草图，进行目标检测和定位。公式如下：F_edge = Encoder_edge(Edge_image)， F_target = Encoder_target(Original_image) ，Output_mask = Decoder_mask(F_edge, F_target)。其中，Encoder_edge和Encoder_target为分别用于提取边缘图和伪装目标图像特征的编码器，Edge_image为手绘草图，Original_image为伪目标图片，Decoder_mask为解码器，用于生成预测分割标签Output_mask。通过训练，该网络能够预测目标的精确位置与形状。通过计算各类评估指标（S-measure、E-measure、MAE、weighted F-measure等），对模型的性能进行全面评估。
-
更新频次
按需更新
-
存证平台
浙江省知识产权区块链公共存证平台
