-
公开(公告)号：CN115222946B
公开(公告)日：2022-11-25
申请号：CN202211134330.0
申请日：2022-09-19
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种单阶段实例图像分割方法、装置以及计算机设备，涉及图像实例分割技术领域，首先提取多层次的图像特征信息，为了更充分地利用高层特征的语义信息和底层特征的细粒度特征，引入自适应特征融合模块计算不同尺度特征权重并融合，将融合后的特征送入三个分支进行实例核预测和掩码分割以及语义类别预测，为了突出特征核的位置信息，引入混合双注意力机制筛选有效特征核，然后将生成掩码与特征核进行映射，根据实例的分类分数和相应的掩码，确定每个实例的类别与置信度，阈值筛选得到最终的分割结果，为了权衡模型分割的速度与精度，采用二部匹配的策略，避免矩阵非极大值抑制操作，大大提升了分割速度。
-
公开(公告)号：CN110988883B
公开(公告)日：2022-08-02
申请号：CN201911309889.0
申请日：2019-12-18
Applicant: 南京信息工程大学
Abstract: 本发明提供一种雷达回波图像中飑线特征的智能识别预警方法，以多普勒天气雷达探测资料为主要数据源，对雷达探测到的基本反射率的空间分布和强度进行分析，通过数值预处理、滤波、图像特征提取、对目标物的中轴线分析和飑线形态分析等一系列步骤，实现对雷达飑线特征的智能识别预警。本发明方法的应用能够将以往本需要由气象专业人员主观分析、判读雷达回波图像的工作自动化、客观化，提高了飑线识别、强对流天气告警相关业务的准确性和时效性。
-
公开(公告)号：CN113554032B
公开(公告)日：2021-12-14
申请号：CN202111105080.3
申请日：2021-09-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高度感知的多路并行网络的遥感图像分割方法，以原始遥感图像作为网络输入，设计多路并行网络作为提取图像特征的底层网络用以提取遥感图像的多层语义特征图，同时固定每条路径中的空间分辨率；利用门控高低层特征融合方法，将低层特征图与高层特征图相互融合，同时门机制在融合过程中筛选出来自每层的有效信息；引入高度特征解码器分支，将数字地表面模型图像作为训练时的额外标签，利用学习高度几何特征作为语义上下文的指导，并且该模型在测试时不需要遥感图像对应的数字地表面图像作为额外的标签；最后构建联合损失函数对多任务进行训练。本发明减少了模型的参数量，提高了遥感图像分割的准确度。
-
公开(公告)号：CN109145962B
公开(公告)日：2021-11-05
申请号：CN201810857388.5
申请日：2018-07-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于数字图像的大气参数反演观测方法，包括图像特征提取、大气参数提取、AlexNet神经网络及大气参数反演；首先对目标图像提取局部特征和全局特征构建图像特征描述子，并提取已知大气参数特征，构建大气参数特征描述子；其次，基于大气参数与图像特征的相互作用关系，建立基于多输入多输出的AlexNet深度学习网络模型；最后，基于AlexNet深度学习网络模型的学习，通过实验对比研究完善学习网络，实现大气参数的反演。本发明设备成本低、适用性强、精度高等优点。
-
公开(公告)号：CN113554032A
公开(公告)日：2021-10-26
申请号：CN202111105080.3
申请日：2021-09-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于高度感知的多路并行网络的遥感图像分割方法，以原始遥感图像作为网络输入，设计多路并行网络作为提取图像特征的底层网络用以提取遥感图像的多层语义特征图，同时固定每条路径中的空间分辨率；利用门控高低层特征融合方法，将低层特征图与高层特征图相互融合，同时门机制在融合过程中筛选出来自每层的有效信息；引入高度特征解码器分支，将数字地表面模型图像作为训练时的额外标签，利用学习高度几何特征作为语义上下文的亲和指导，并且该模型在测试时不需要遥感图像对应的数字地表面图像作为额外的标签；最后构建联合损失函数对多任务进行训练。本发明减少了模型的参数量，提高了遥感图像分割的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112183414A
公开(公告)日：2021-01-05
申请号：CN202011068687.4
申请日：2020-09-29
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于混合空洞卷积的弱监督遥感目标检测方法。本发明采用混合空洞卷积、注意力机制和多层池化等多种定制设计，增强多尺度特征提取及融合，提高对不同尺寸对象的鲁棒性。此外，本发明利用强监督和弱监督检测器之间的异步迭代交替训练，只需要图像级真实标签即可进行训练和检测，达到协同提升检测性能的目标。
-
公开(公告)号：CN106203396B
公开(公告)日：2019-05-10
申请号：CN201610592182.5
申请日：2016-07-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，首先采用BING算法对航拍图像进行粗定位，提取感兴趣区域；其次采用AlexNet深度卷积网络分析感兴趣区域，选取AlexNet深度卷积网络的Pooling5层为AP特征；接着基于旋转梯度不变性，提取感兴趣区域的RGT特征；然后采用SFFS算法融合AP特征和RGT特征，生成AP‑RGT特征；最后使用SVM对AP‑RGT特征进行训练分类，建立优化问题，求解得到目标检测结果。本发明克服了航拍图像成像角度变化大、航拍镜头变化大以及航拍目标多变带来的困难。
-
公开(公告)号：CN109145962A
公开(公告)日：2019-01-04
申请号：CN201810857388.5
申请日：2018-07-31
Applicant: 南京信息工程大学
CPC classification number: G06K9/6223 , G06N3/08
Abstract: 本发明公开了一种基于数字图像的大气参数反演观测方法，包括图像特征提取、大气参数提取、AlexNet神经网络及大气参数反演；首先对目标图像提取局部特征和全局特征构建图像特征描述子，并提取已知大气参数特征，构建大气参数特征描述子；其次，基于大气参数与图像特征的相互作用关系，建立基于多输入多输出的AlexNet深度学习网络模型；最后，基于AlexNet深度学习网络模型的学习，通过实验对比研究完善学习网络，实现大气参数的反演。本发明设备成本低、适用性强、精度高等优点。
-
公开(公告)号：CN106203396A
公开(公告)日：2016-12-07
申请号：CN201610592182.5
申请日：2016-07-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，首先采用BING算法对航拍图像进行粗定位，提取感兴趣区域；其次采用AlexNet深度卷积网络分析感兴趣区域，选取AlexNet深度卷积网络的Pooling5层为AP特征；接着基于旋转梯度不变性，提取感兴趣区域的RGT特征；然后采用SFFS算法融合AP特征和RGT特征，生成AP-RGT特征；最后使用SVM对AP-RGT特征进行训练分类，建立优化问题，求解得到目标检测结果。本发明克服了航拍图像成像角度变化大、航拍镜头变化大以及航拍目标多变带来的困难。
-
公开(公告)号：CN103793900B
公开(公告)日：2016-05-25
申请号：CN201410035856.2
申请日：2014-01-24
Applicant: 南京信息工程大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于混合自适应回归的红外盲元补偿方法，首先通过Curvelet变换对红外图像I进行多尺度分解，分解为I1,…,In-1,In，n为自然数；其次对分解后的各高阶尺度子带图像利用非参数模型进行盲元恢复，得到图像I1r,…,In-1r,Inr；对非参数模型多次迭代，以提高非参数估计的精度；再次利用参数模型对各高阶尺度间进行衔接与学习，即通过参数方法插值Inr得到图像In-1i，并使其作为n-1层尺度的先验图像；最后，逐层递归以上步骤，最终输出恢复图像。本发明从多尺度分析角度，结合自适应回归模型，解决了对盲元检测过于依赖的问题，同时对于具有大量随机或固定盲元的图像都具有很好的适应性，并通过实验验证了新算法的有效性和实用性。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.03 seconds)
