-
公开(公告)号:CN117671490A
公开(公告)日:2024-03-08
申请号:CN202311614514.1
申请日:2023-11-29
申请人: 航天恒星科技有限公司
IPC分类号: G06V20/10 , G06V10/77 , G06V10/771 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464
摘要: 本发明涉及一种面向遥感影像的多尺度压缩方法,包括以下步骤S1、对于输入模型,在特征空间中,通过卷积扩张提高感受野范围;S2、在所述特征空间中,通过对链接参数层激活约束,对特征进行筛选;S3、通过等价映射将所述特征空间映射到参数空间,利用线性合并的方式进行重参数化,获得紧致模型。本发明,通过在特征空间中进行卷积扩张提高了感受野范围,提升了尺度信息的丰富性;通过对链接参数层激活约束,对特征进行筛选压缩,并利用线性合并的方式进行重参数化,获得紧致模型,有效保证了模型的表征能力。
-
公开(公告)号:CN115909455A
公开(公告)日:2023-04-04
申请号:CN202211457045.2
申请日:2022-11-16
申请人: 航天恒星科技有限公司
IPC分类号: G06V40/16 , G06V10/82 , G06V10/80 , G06V10/774 , G06F16/215 , G06F16/951 , G06F40/30 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
摘要: 本发明涉及一种多尺度特征提取与注意力机制融合的表情识别方法,包括:构建复杂的面部图像数据集,对所述面部图像数据集进行处理;建立表情识别网络模型,对所述面部图像数据集多尺度提取面部图像的整体表情特征,并利用注意力机制加强有效的局部表情特征,将所述整体表情特征和所述局部表情特征进行融合;利用所述面部图像数据集对所述表情识别网络模型进行训练和优化;利用训练好的表情识别网络模型识别输入的面部图像,预测对应的表情类别。该方法可以有效改善不可控的真实复杂环境下的面部表情识别效果。
-
公开(公告)号:CN117635932A
公开(公告)日:2024-03-01
申请号:CN202311532900.6
申请日:2023-11-16
申请人: 航天恒星科技有限公司
IPC分类号: G06V10/26 , G06V10/774 , G06V20/70
摘要: 本发明涉及一种基于样本重要性选择的遥感语义分割方法,包括以下步骤:获取无标签的新增样本,根据低置信度样本选择学习策略对所述无标签的新增样本进行排序、选择和标注,获得低置信度新增样本;获取带标签的历史样本,根据低精度样本选择回放策略对所述带标签的历史样本进行排序和选择,获得低精度历史样本;所述低置信度新增样本和所述低精度历史样本组成富信息样本集,通过所述富信息样本集训练语义分割模型,对所述语义分割模型进行微调。本发明,通过筛选出低置信度新增样本和低精度历史样本获得富信息样本集,并通过富信息样本集对语义分割模型进行训练微调,提高了模型的学习效率,克服了模型灾难性遗忘的问题。
-
公开(公告)号:CN114170527A
公开(公告)日:2022-03-11
申请号:CN202111446011.9
申请日:2021-11-30
申请人: 航天恒星科技有限公司
IPC分类号: G06V20/13 , G06V10/24 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要: 本发明涉及一种利用旋转框表示的遥感目标检测方法,包括如下步骤:步骤1:对样本标签中给定的旋转框四个顶点,转换为水平竖直框及旋转参数的表示;步骤2:获取特征图;步骤3:在步骤2中获取的特征图上采样;步骤4:在步骤3获取的特征图上选取关键点,并构建目标分类、矩形框长宽回归及旋转角度回归三个网络分支;步骤5:融合目标分类、矩形框长宽回归两个子网络的特征,对旋转角度回归分支修正;步骤6:通过网络训练,获取目标分类、矩形框长宽回归及旋转角度回归结果;步骤7:结合步骤6的结果,利用几何变换,获得目标旋转框。本发明有效提高了回归的精度,进而提高了检测的准确度。
-
公开(公告)号:CN115909455B
公开(公告)日:2023-09-19
申请号:CN202211457045.2
申请日:2022-11-16
申请人: 航天恒星科技有限公司
IPC分类号: G06V40/16 , G06V10/82 , G06V10/80 , G06V10/774 , G06F16/215 , G06F16/951 , G06F40/30 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
摘要: 本发明涉及一种多尺度特征提取与注意力机制融合的表情识别方法,包括:构建复杂的面部图像数据集,对所述面部图像数据集进行处理;建立表情识别网络模型,对所述面部图像数据集多尺度提取面部图像的整体表情特征,并利用注意力机制加强有效的局部表情特征,将所述整体表情特征和所述局部表情特征进行融合;利用所述面部图像数据集对所述表情识别网络模型进行训练和优化;利用训练好的表情识别网络模型识别输入的面部图像,预测对应的表情类别。该方法可以有效改善不可控的真实复杂环境下的面部表情识别效果。
-
-
-
-