-
公开(公告)号：CN117710827A
公开(公告)日：2024-03-15
申请号：CN202410169692.6
申请日：2024-02-06
申请人： 华东交通大学
IPC分类号： G06V20/10 , G06V10/25 , G06V10/44 , G06V10/77 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82
摘要： 本发明提供一种基于改进RetinaNet的遥感图像目标检测模型，本发明引入了改进的下采样模块，将其嵌入到RetinaNet骨干网络中，融合三种下采样方法对提取到的特征来生成下采样图像特征，增强模型捕获复杂细节的能力，利用核选择模块的卷积核选择机制动态选择空间感受野，增强模型提取并融合多尺度特征信息的能力，进而对多尺度的信息进行建模，最后得到目标物体的分类和回归结果，实验结果表明，本发明的模型在大规模遥感图像目标检测数据集DOTA上的全类平均准确率优于传统的RetinaNet目标检测模型，能够更精确地检测遥感目标。
-
公开(公告)号：CN118397480B
公开(公告)日：2024-08-30
申请号：CN202410851226.6
申请日：2024-06-28
申请人： 华东交通大学
IPC分类号： G06V20/13 , G06V10/26 , G06V10/28 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种用于双时相遥感图像语义变化检测的网络模型，包括双时相孪生网络、Transformer模块、多任务头和时空特征学习模块；双时相孪生网络使用CNN骨干网络从输入的双时相遥感图像对中提取多尺度特征图，并将多尺度特征图转换为视觉标记，所述双时相孪生网络包括两个CNN骨干网络，CNN骨干网络采用残差网络ResNet，两个CNN骨干网络之间共享权重，Transformer模块用于捕获视觉标记之间的长距离依赖关系，得到Transformer模块的输出特征图；多任务头用于基于Transformer模块的输出特征图，生成语义分割和二值变化检测的预测输出；时空特征学习模块用于二值变化检测任务。该网络模型能够充分探索二值变化检测和语义分割之间的相关性，使这两个任务能够相互促进，实现高性能的语义变化检测。
-
公开(公告)号：CN118397480A
公开(公告)日：2024-07-26
申请号：CN202410851226.6
申请日：2024-06-28
申请人： 华东交通大学
IPC分类号： G06V20/13 , G06V10/26 , G06V10/28 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 一种用于双时相遥感图像语义变化检测的网络模型，包括双时相孪生网络、Transformer模块、多任务头和时空特征学习模块；双时相孪生网络使用CNN骨干网络从输入的双时相遥感图像对中提取多尺度特征图，并将多尺度特征图转换为视觉标记，所述双时相孪生网络包括两个CNN骨干网络，CNN骨干网络采用残差网络ResNet，两个CNN骨干网络之间共享权重，Transformer模块用于捕获视觉标记之间的长距离依赖关系，得到Transformer模块的输出特征图；多任务头用于基于Transformer模块的输出特征图，生成语义分割和二值变化检测的预测输出；时空特征学习模块用于二值变化检测任务。该网络模型能够充分探索二值变化检测和语义分割之间的相关性，使这两个任务能够相互促进，实现高性能的语义变化检测。
-
-
搜索结果
3 条记录 (耗时 0.022 秒)
