-
公开(公告)号：CN118823603A
公开(公告)日：2024-10-22
申请号：CN202411303000.9
申请日：2024-09-19
申请人： 山东航天电子技术研究所
摘要： 本发明属于低空间分辨率遥感图像的小目标检测领域，提供一种基于信息增强的双阶段小目标检测算法，具体包括：获取至少一幅图像；利用卷积神经网络提取所述图像的多尺度特征；利用特征融合金字塔网络对所述的多尺度特征图进行特征融合；RPN候选区域根据多尺度特征生成高质量的候选框用于提取原始图像的疑似目标区域；之后对候选区域进行RoI对齐操作获取RoI池化特征，并与全局上下文特征和局部上下文特征级联；将级联后的融合特征送入带有分类识别分支和回归定位分支的检测头进行识别与定位后，得到最终的检测结果。本发明联合目标自身信息和上下文信息增强小目标的特征信息，提升了小目标的检测能力。
-
公开(公告)号：CN118570457A
公开(公告)日：2024-08-30
申请号：CN202411064253.5
申请日：2024-08-05
申请人： 山东航天电子技术研究所
IPC分类号： G06V10/25 , G06V10/32 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/045
摘要： 本发明属于图像增强和图像识别技术领域，提供一种基于遥感目标识别任务驱动的图像超分辨方法，针对遥感目标识别任务，通过图像增强技术提升低分辨率图像的质量。该方法首先获取低分辨率的遥感目标切片图像，然后利用SRGAN生成式网络进行上采样，生成高分辨率图像。为提高图像清晰度，级联细化子网络恢复细节信息。判别式网络中加入细粒度识别分支和多任务分类损失函数，增强小目标与背景的区分能力，并指导判别式网络区分超分辨与真实高分辨率图像，以及小目标与地面背景干扰物。本发明利用遥感目标识别的损失作为目标感知损失，指导网络训练，使超分辨图像更关注目标重建，提升图像质量与可区分性特征，增强了遥感目标识别性能。
-
公开(公告)号：CN118552739B
公开(公告)日：2024-11-08
申请号：CN202411026792.X
申请日：2024-07-30
申请人： 山东航天电子技术研究所
IPC分类号： G06V10/26 , G06V10/44 , G06V10/52 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/096
摘要： 本发明涉及遥感图像处理领域，具体涉及一种基于硬件感知的图像分割模型压缩方法；包括获取可见光图像；利用轻量化骨干网络提取所述图像的多尺度特征；采用轻量化PAN网络进行多尺度学习；对负责分类和掩膜回归分支的多任务头部结构进行轻量化，选择深度可分离卷积替换普通卷积；在掩膜回归损失函数上采用有向极性掩膜IoU损失来引导检测网络学习目标方向信息；在网络的训练过程中使用知识蒸馏方法。本发明通过基于硬件感知骨干网络搭建、回归损失函数改进以及模型蒸馏等策略，使得图像分割模型在保证分割效果的前提下，减小图像分割网络的计算复杂度，并提升其在嵌入式平台的运行速度，可应用于无人机等计算资源受限的平台。
-
公开(公告)号：CN118552739A
公开(公告)日：2024-08-27
申请号：CN202411026792.X
申请日：2024-07-30
申请人： 山东航天电子技术研究所
IPC分类号： G06V10/26 , G06V10/44 , G06V10/52 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/096
摘要： 本发明涉及遥感图像处理领域，具体涉及一种基于硬件感知的图像分割模型压缩方法；包括获取可见光图像；利用轻量化骨干网络提取所述图像的多尺度特征；采用轻量化PAN网络进行多尺度学习；对负责分类和掩膜回归分支的多任务头部结构进行轻量化，选择深度可分离卷积替换普通卷积；在掩膜回归损失函数上采用有向极性掩膜IoU损失来引导检测网络学习目标方向信息；在网络的训练过程中使用知识蒸馏方法。本发明通过基于硬件感知骨干网络搭建、回归损失函数改进以及模型蒸馏等策略，使得图像分割模型在保证分割效果的前提下，减小图像分割网络的计算复杂度，并提升其在嵌入式平台的运行速度，可应用于无人机等计算资源受限的平台。
-
-
-
搜索结果
4 条记录 (耗时 0.035 秒)
