-
公开(公告)号:CN114861806A
公开(公告)日:2022-08-05
申请号:CN202210540604.X
申请日:2022-05-17
申请人: 北京航空航天大学杭州创新研究院
摘要: 本说明书实施例提供了一种基于一致性正则化的模型、训练方法和装置,所述模型包括:第一神经网络、第二神经网络和第三神经网络;所述第一神经网络以所述已标记数据和所述未标记数据为输入;所述第二神经网络以所述已标记数据为输入;所述第三神经网络以所述未标记数据为输入,所述第三神经网络各神经元的权重参数根据第一神经网络中所述未标记数据对应各神经元的权重参数得到。本申请提供的技术方案用以解决双网络结构导致模型准确度低的问题。
-
公开(公告)号:CN115049923A
公开(公告)日:2022-09-13
申请号:CN202210605434.9
申请日:2022-05-30
申请人: 北京航空航天大学杭州创新研究院
摘要: 本发明公开了一种无锚框SAR图像舰船目标实例分割训练方法、系统及装置,包括,S1、将训练集中的一张SAR图像输入深层卷积神经网络提取高分辨率特征图;S2、将高分辨率特征图输入无锚框预测器得到目标中心点,将每个中心点回归一组参数作为动态掩膜头的卷积核参数,将卷积核参数赋给卷积组,得到实例分割结果图;S3、使用质心距离加权的损失函数指导深层卷积神经网络回归;S4、执行步骤S1到S3,直至所有训练集图像处理结束,确定网络参数,完成目标实例分割训练。本发明可更加灵活地表示目标信息,方法的计算效率优于传统先检测后分割的方法;加权后的损失函数可对训练过程中目标位置关系进行区分,有效指导网络回归。
-
公开(公告)号:CN115049927A
公开(公告)日:2022-09-13
申请号:CN202210696668.9
申请日:2022-06-20
申请人: 北京航空航天大学杭州创新研究院
IPC分类号: G06V20/10 , G06N3/04 , G06N3/08 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/22 , G06V10/774 , G06T3/40 , G06V10/82
摘要: 本说明书实施例提供了一种基于SegNet的SAR图像桥梁检测方法、装置和存储介质,所述方法包括:采集待检测目标的SAR图像,所述SAR图像包括河流区域和桥梁区域;以所述SAR图像为输入,通过预设第一神经网络模型对所述河流区域进行图像分割,得到河流区域图像和河流区域特征数据;以所述河流区域特征数据和所述图像为输入通过预设第二神经网络模型对所述桥梁区域进行图像分割,得到桥梁区域图像。本申请提供的技术方案用以解决直接将深度学习语义分割用于桥梁检测时产生的类间不平衡问题和损失图像的位置信息的问题。
-
-