-
公开(公告)号：CN118823315A
公开(公告)日：2024-10-22
申请号：CN202410911682.5
申请日：2024-07-09
Applicant: 电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/774 , G06V10/74 , G06V20/10 , G06N3/0464 , G06N3/09
Abstract: 本发明提出了一种改进的旋转小目标检测方法，用于解决遥感图像中密集排列的倾斜以及尺寸极小的目标检测问题。该方法在YOLOv8模型的基础上新增小目标检测层增加感受野并且缓解下采样倍数，提出GIoU Loss作为旋转框回归损失函数，以及通过动态和逐步细化的两阶段匹配策略来改进标签分配策略，提高了小目标检测性能。实验表明改进后的方法YOLOv8s‑imporved相较于原始的YOLOv8s分别在DOTAv1.0、DOTAv1.5和DOTAv2.0数据集的旋转目标检测任务上获得了1.17％，1.72％和1.84％的精度提升，证明了该方法的有效性。
-
公开(公告)号：CN118821847A
公开(公告)日：2024-10-22
申请号：CN202410911683.X
申请日：2024-07-09
Applicant: 电子科技大学
IPC: G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/52 , G06V10/80 , G06V20/70 , G06V10/82 , G06V10/25
Abstract: 本发明针对小样本任务提出了一种创新性方法，集成了多尺度特征关系的度量学习、特征金字塔机制与多尺度特征关系度量网络，以增强分类性能。具体地，该方法通过提取具有高度区分性的特征并学习样本间的多尺度关系得分，利用“转换模块”在所构建的模型中融合不同尺度的特征，有效对接高层次抽象语义与低层次详细视觉特征，确保全局上下文与局部细节的均衡考虑。此外，设计的多尺度特征关系度量网络利用这些多尺度特征计算样本间精细关系得分，指导查询集目标的类别划分，从而在小样本条件下显著提升分类精度与泛化能力，为计算机视觉及模式识别领域的挑战提供了综合优化的解决方案。
-
公开(公告)号：CN117290814A
公开(公告)日：2023-12-26
申请号：CN202311236661.X
申请日：2023-09-22
Applicant: 电子科技大学
IPC: G06F18/27 , G06F18/21 , G06N3/0464 , G01N33/24 , G06Q50/02
Abstract: 本发明公开了一种基于土壤水分的逐日农业干旱预警技术。该发明可以提高已有遥感检测手段对农业干旱监测的时效性。通过对多年的逐日土壤水分进行端到端卷积神经网络的训练，可预测未来五天的土壤水分含量。将预测的数据与前七天的数据进行Sen斜率估计，最后通过Mann‑Kendall方法判断变化趋势显著性，从而实现对未来五天农业干旱趋势的估计，达到预警的目的。本发明提出的基于神经网络预测土壤水分的农业干旱预警模型，通过简单而有效的卷积神经网络模型，可以在不引入复杂模块、策略和技巧的情况下实现高效预测土壤含水量，从而预警灾害的时效性提高，计算复杂度降低。相比传统的遥感干旱指数预警农业干旱的方法，具有更好的空间一致性，更高的时空分辨率。
-
公开(公告)号：CN118821868A
公开(公告)日：2024-10-22
申请号：CN202410911675.5
申请日：2024-07-09
Applicant: 电子科技大学
IPC: G06N3/0475 , G06N3/0464 , G06N3/045 , G06V10/25 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/80 , G06V20/70
Abstract: 本发明提出了一种基于两阶段目标检测算法的候选框生成网络进行改进，以适应小样本任务，并且期望能够基于少量的新类别样本有选择性地生成更高质量的候选框，提高泛化能力。传统的候选框生成网络并不能直接应用到小样本场景，具体方法是通过引入基于depth‑wise的相关计算作为注意力机制改RPN网络，以适应小样本任务。并且通过结合不同尺度的特征输入多个并行的RPN结构来加权决定最终生成的候选框，充分的利用图像的语义特征和细粒度特征。并且通过实验验证了改进的网络的可行性和优越性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
