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！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开基于事件特征引导的用于水下透明目标预测的神经网络，属于神经网络技术领域，包括利用子流形稀疏卷积设计事件ELAN模块和事件MP1模块，从输入图像中提取特征；应用边缘线索搜索模块从包含细节信息的低级特征中提取与目标相关的边缘语义，利用包含全局位置信息的高级特征进行监督得到边界增强的特征；迭代多个加强表示聚合模块，将得到的边界增强的特征和提取特征加权融合，再将加权融合的特征与多层次特征进行特征集成；将特征集成的结果输入特征金字塔网络中，得到水下透明目标预测结果。本发明在保证实时性的同时取得了较好的检测结果，保留事件特征的稀疏性，挖掘细节信息，加深特征聚合以提高检测性能。

主权项：1.基于事件特征引导的用于水下透明目标预测的神经网络，采用YOLOv7作为骨干网络，其特征在于，包括：S1对RGB图像和事件图像分别进行处理；将RGB图像依次输入四个CBS模块、一个ELAN模块、三个叠加模块和SPPCSPC模块；对事件图像依次输入四个CBS模块、一个事件ELAN模块、三个事件叠加模块和SPPCSPC模块；S2应用边缘线索搜索模块ECSM从包含细节信息的低级特征中提取与目标相关的边缘语义，利用包含全局位置信息的高级特征进行监督得到边界增强的特征；将RGB图像处理中的CBS模块处理后的特征、ELAN模块处理后的特征、最后一个叠加模块处理后的特征连接ECSM；S3迭代多个加强表示聚合模块DRAM，将第一个叠加模块处理后的特征、第一个事件叠加模块处理后的特征、ECSM的结果导入第一个DRAM，将第二个叠加模块处理后的特征、第二个事件叠加模块处理后的特征、ECSM的结果导入第二个DRAM，将两个SPPCSPC模块处理后的特征和ECSM的结果导入第三个DRAM；S4第一个DRAM的输出结果经过卷积层后进行特征融合，然后依次连接至MP1模块、ELAN模块、重参化模块和检测头；S5第二个DRAM的输出结果经过卷积层后进行特征融合，连接至MP1模块后再进行特征融合，然后依次连接MP1模块、重参化模块和检测头；S6第三个DRAM的输出结果进行特征融合，然后依次连接事件叠加模块、重参化模块和检测头；S7第三个DRAM的输出结果设有分支，分支进行卷积和上采样，然后导入S5中的第一个MP1模块，再进行卷积和上采样，导入S4中的MP1模块；S4中的ELAN模块的输出引出分支，分支依次连接S5中的MP1模块和S6中的事件叠加模块；S8将所有检测头的输出结果输入特征金字塔网络FPN中，得到水下透明目标预测结果。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 基于事件特征引导的用于水下透明目标预测的神经网络