-
公开(公告)号：CN113378686A
公开(公告)日：2021-09-10
申请号：CN202110630900.4
申请日：2021-06-07
申请人： 武汉大学
摘要： 本发明涉及一种基于目标中心点估计的两阶段遥感目标检测方法。利用遥感影像以及感兴趣类别目标的标注文件构建样本库，对基于目标中心点估计的两阶段遥感目标检测网络进行训练，学习遥感影像上感兴趣类别目标的特征。利用训练好的网络模型对新的遥感影像进行目标检测，能够实现遥感影像上感兴趣目标的自动类别判定和边界框定位。在本发明方法中，区域建议网络依据遥感影像上目标的空间位置分布特征进行构建，直接生成多类别的目标候选框。与先生成密集的目标候选框再利用非极大值抑制方法从中选出最好的候选框，进行后续目标识别和边界框修正的方法相比，具有更高的效率和精度，更加适用于遥感影像的目标检测任务。
-
公开(公告)号：CN111222466B
公开(公告)日：2022-04-01
申请号：CN202010016592.1
申请日：2020-01-08
申请人： 武汉大学
摘要： 本发明涉及一种基于三维空间‑通道注意力机制的遥感影像滑坡自动探测方法。利用遥感影像进行人工标注并裁剪滑坡样本构建样本库，然后对基于三维空间‑通道注意力机制的卷积神经网络进行训练，学习遥感影像上各种滑坡实例的特征。利用训练好的网络模型对新的遥感影像进行滑坡探测，实现遥感影像上滑坡目标的自动精确识别。本发明具有如下优点：鲁棒性强，比原始的主干网络以及其他已有的注意力方法更加适合遥感影像上的滑坡探测任务；对于包含各种干扰因素的情况，本发明方法具有更好地抵抗干扰的能力，可获得更高的识别准确率；可用于滑坡灾害的预防和灾后重建、更新滑坡数据库等方面。
-
公开(公告)号：CN110163271B
公开(公告)日：2020-12-01
申请号：CN201910394472.2
申请日：2019-05-13
申请人： 武汉大学
摘要： 本发明涉及一种基于球面投影网格和球面卷积的全景影像目标检测方法。利用已有的全景影像以及目标标注文件构建样本库，对基于球面投影格网和球面卷积的神经元网络进行训练，学习全景影像上感兴趣目标的特征。利用训练好的网络模型对新的全景影像进行目标检测，实现全景影像上感兴趣目标的自动识别和边界框定位。利用球面投影格网的方法，将区域建议网络得到的候选框特征图投影到预先设置好分辨率的球面格网上，然后使用球面卷积提取旋转不变特征，再进行最后的分类，可以得到全景影像上感兴趣目标更好的检测结果。本发明具有如下优点：鲁棒性强，更适合全景影像上的目标检测任务；对于全景影像上变形大的物体，具有更高的识别准确率。
-
公开(公告)号：CN113378686B
公开(公告)日：2022-04-15
申请号：CN202110630900.4
申请日：2021-06-07
申请人： 武汉大学
摘要： 本发明涉及一种基于目标中心点估计的两阶段遥感目标检测方法。利用遥感影像以及感兴趣类别目标的标注文件构建样本库，对基于目标中心点估计的两阶段遥感目标检测网络进行训练，学习遥感影像上感兴趣类别目标的特征。利用训练好的网络模型对新的遥感影像进行目标检测，能够实现遥感影像上感兴趣目标的自动类别判定和边界框定位。在本发明方法中，区域建议网络依据遥感影像上目标的空间位置分布特征进行构建，直接生成多类别的目标候选框。与先生成密集的目标候选框再利用非极大值抑制方法从中选出最好的候选框，进行后续目标识别和边界框修正的方法相比，具有更高的效率和精度，更加适用于遥感影像的目标检测任务。
-
公开(公告)号：CN110163271A
公开(公告)日：2019-08-23
申请号：CN201910394472.2
申请日：2019-05-13
申请人： 武汉大学
摘要： 本发明涉及一种基于球面投影网格和球面卷积的全景影像目标检测方法。利用已有的全景影像以及目标标注文件构建样本库，对基于球面投影格网和球面卷积的神经元网络进行训练，学习全景影像上感兴趣目标的特征。利用训练好的网络模型对新的全景影像进行目标检测，实现全景影像上感兴趣目标的自动识别和边界框定位。利用球面投影格网的方法，将区域建议网络得到的候选框特征图投影到预先设置好分辨率的球面格网上，然后使用球面卷积提取旋转不变特征，再进行最后的分类，可以得到全景影像上感兴趣目标更好的检测结果。本发明具有如下优点：鲁棒性强，更适合全景影像上的目标检测任务；对于全景影像上变形大的物体，具有更高的识别准确率。
-
公开(公告)号：CN115953577A
公开(公告)日：2023-04-11
申请号：CN202211536660.2
申请日：2022-12-01
申请人： 武汉大学
IPC分类号： G06V10/26 , G06V10/46 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/0464
摘要： 本发明涉及一种基于有监督长程相关的遥感图像语义分割方法。利用遥感影像以及人工标注的像素级语义类别真值图构建样本库，对基于有监督长程相关的遥感图像语义分割网络进行训练，学习遥感影像上每个类别地物要素的特征。利用训练好的网络模型对新的遥感影像进行语义分割，能够实现遥感影像高精度的像素级分类。在本发明方法中，长程相关性学习过程显式地利用语义类别真值图生成类别一致性约束，对计算出的相关性分数进行监督。这使得网络模型对于属于同类地物的像素提取出的特征具有更好的一致性，而对于属于不同类别的地物像素提取出的特征具有更明显的差异，从而能够有效地改善遥感影像语义分割的精度。
-
公开(公告)号：CN111222466A
公开(公告)日：2020-06-02
申请号：CN202010016592.1
申请日：2020-01-08
申请人： 武汉大学
摘要： 本发明涉及一种基于三维空间-通道注意力机制的遥感影像滑坡自动探测方法。利用遥感影像进行人工标注并裁剪滑坡样本构建样本库，然后对基于三维空间-通道注意力机制的卷积神经网络进行训练，学习遥感影像上各种滑坡实例的特征。利用训练好的网络模型对新的遥感影像进行滑坡探测，实现遥感影像上滑坡目标的自动精确识别。本发明具有如下优点：鲁棒性强，比原始的主干网络以及其他已有的注意力方法更加适合遥感影像上的滑坡探测任务；对于包含各种干扰因素的情况，本发明方法具有更好地抵抗干扰的能力，可获得更高的识别准确率；可用于滑坡灾害的预防和灾后重建、更新滑坡数据库等方面。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.017 秒)
