-
公开(公告)号：CN116434069A
公开(公告)日：2023-07-14
申请号：CN202310470097.1
申请日：2023-04-27
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于局部‑全局Transformer网络的遥感图像变化检测方法，该方法包括以下步骤：对多组图像样本数据进行预处理得到多组图像数据；将每组标准化的图像数据输入到局部‑全局Transformer网络中；对每阶段中前时向遥感图像的输出和后时相遥感图像的输出进行差分运算后输入到高频增强单元中，得到各个阶段变化区域边缘的高频特征；将第二阶段、第三阶段和第四阶段的高频特征输入到多尺度融合注意力单元中，得到各阶段细粒度融合特征；将第一阶段变化区域边缘的高频特征、后面三个阶段得到的细粒度融合特征输入到深层特征引导单元；本发明为了解决特征边界的严重的误检漏检问题，提出一种即插即用的高频增强单元来替代不够灵活的U形结构以优化检测边界。
-
公开(公告)号：CN113688765B
公开(公告)日：2023-06-27
申请号：CN202111011985.4
申请日：2021-08-31
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于注意力机制的自适应图卷积网络的动作识别方法，涉及动作识别技术领域。该动作识别方法将注意力机制加入自适应图卷积网络中，引入时间注意力模块来克服卷积算子的局部性，使每个单个关节被认为是独立的，并且通过比较同一身体关节沿着时间维度的嵌入变化来计算帧之间的相关性，来提高对时间信息提取；另外引入通道注意力模块，使网络更加关注重要的通道特征，进一步提高了网络的性能，使分类预测结果更加准确。
-
公开(公告)号：CN113688765A
公开(公告)日：2021-11-23
申请号：CN202111011985.4
申请日：2021-08-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于注意力机制的自适应图卷积网络的动作识别方法，涉及动作识别技术领域。该动作识别方法将注意力机制加入自适应图卷积网络中，引入时间注意力模块来克服卷积算子的局部性，使每个单个关节被认为是独立的，并且通过比较同一身体关节沿着时间维度的嵌入变化来计算帧之间的相关性，来提高对时间信息提取；另外引入通道注意力模块，使网络更加关注重要的通道特征，进一步提高了网络的性能，使分类预测结果更加准确。
