-
公开(公告)号：CN119919764A
公开(公告)日：2025-05-02
申请号：CN202411771445.X
申请日：2024-12-04
Applicant: 三峡大学
IPC: G06V10/80 , G06V10/774 , G06V10/26 , G06V10/44
Abstract: 本发明提出了一种基于深度学习的多方向动态特征融合方法，包括步骤：步骤1：准备遥感语义分割数据集；步骤2：构建感受野模块，使用不同大小的卷积核来处理特征，使得不同的卷积核关注不同的特征子空间，增加了特征的多样性，更好地处理不同尺度的信息和细节。步骤3：构建跨窗口上下文交互模块，由窗口注意和跨窗口注意两部分组成，窗口注意关注局部特征，跨窗口注意关注全局特征，弥补了Vision Transformer架构在构建跨尺度注意方面的不足。步骤4：构建一个多方向动态特征融合方法，结合感受野模块和跨窗口上下文交互模块。能够有效结合卷积神经网络和Transformer的优势，有效解决遥感城市影像存在混淆类似性地物和小目标分割问题。
-
公开(公告)号：CN119360116A
公开(公告)日：2025-01-24
申请号：CN202411542075.2
申请日：2024-10-31
Applicant: 三峡大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06V10/22 , G06V20/70 , G06V10/56 , G06V10/766
Abstract: 本发明提出了一种基于空间频率交互与模仿学习解耦头的森林火灾检测算法，将森林图像送入主干网络提取图像的多尺度特征，路径聚集特征金字塔网络融合多尺度特征得到进一步特征，再将进一步的特征送入检测头得到检测结果。引入空间频率交互模块SFIM利用傅里叶变换来提取频域中图像的颜色信息和语义信息，频域获取到的颜色语义信息补全到空间域来帮助网络学习到被烟雾遮挡火焰的判别性特征。提出带有模仿分支的解耦头将边界框回归任务解耦成边界框位置回归任务和边界框尺寸回归任务，让缺少火焰空间信息的正样本与包含火焰空间信息的正样本相互学习，从而补充正样本中的火焰特征提升各个尺度火焰的定位精度。
-
公开(公告)号：CN119228684A
公开(公告)日：2024-12-31
申请号：CN202411146147.1
申请日：2024-08-20
Applicant: 三峡大学
IPC: G06T5/73 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 一种基于动态路由和三维融合的去雾网络，该网络包括双分支网络Two‑branch Network、动态路由特征模块DRFM以及清晰图像重构模块CIRM；双分支网络Two‑branch Network的输入端用于输入有雾图像I，双分支网络Two‑branch Network的输出与动态路由特征模块DRFM的输入连接，动态路由特征模块DRFM的输出与清晰图像重构模块CIRM的输入连接，清晰图像重构模块CIRM的输出用于输出去雾图像。
-
公开(公告)号：CN119206472A
公开(公告)日：2024-12-27
申请号：CN202411066135.8
申请日：2024-08-05
Applicant: 三峡大学
Abstract: 一种基于层次感知的遥感目标检测骨干网络的构建方法，本发明中构建的层次感知特征提取骨干网络包含了四个特征处理阶段，每个阶段包含一个特征下采样块，若干层次感知特征关注模块。层次感知特征关注模块对于现有多尺度特征自适应选择机制进行了二阶段调整，引入网络深度因子用于增强网络前期局部特征的表达强度，压制全局特征，在网络后期则增强全局特征表达强度，压制局部特征。本发明的目的是为了解决已有的自适应特征选择机制在网络前期过早强调大感受野下的特征，从而导致细节特征无法有效传递到后续阶段，同时在密集场景下将周围其它物体混入当前识别中造成的特征混淆问题。
-
公开(公告)号：CN115019200B
公开(公告)日：2024-10-18
申请号：CN202210548613.3
申请日：2022-05-20
Applicant: 三峡大学
Abstract: 一种基于样本不平衡的松材线虫病树智能识别方法，包括以下步骤：步骤1：通过无人机获取遥感影像，对遥感影像进行预处理，并对影像中病树进行标注，制作成数据集；步骤2：将数据集输入无锚框跳跃聚合中心点网络中进行训练，得到松材线虫病树识别模型；步骤3：将需要识别的带有经纬度坐标信息的无人机影像输入到识别模型中，得到病树识别结果；步骤4：将识别出的病树坐标信息转换成经纬度坐标，根据经纬度坐标对松材线虫病树进行实地勘察治理。
-
Patent Agency Ranking
公开(公告)号：CN114359509B
公开(公告)日：2024-07-09
申请号：CN202111470312.5
申请日：2021-12-03
Applicant: 三峡大学
IPC: G06T17/20 , G06T17/10 , G06T7/55 , G06T5/50 , G06V10/74 , G06V10/44 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 一种基于深度学习的多视图自然场景重建方法，包括以下步骤：根据相机在不同角度拍摄的场景图片序列，首先对所有场景图像进行预处理，计算每幅图像的相机参数；根据提出的基于光度一致性度量图像相似度方法和视图选择算法，将其分为参考图像与源图像并在视图间进行支持域特征匹配。在卷积网络提取特征时根据匹配视图结果，构建图像特征金字塔；将所有原始图像以及参数文件经过改进的多视图立体重建神经网络,得到参考图像深度图，并在此深度图的基础之上融合成三维点云；运用表面重建算法生成场景网格模型，完成三维场景的重建工作。提高了基于图像的三维场景重建效率，实现特征图像块在跨视图中映射，使得提取的特征更加完善。
-
公开(公告)号：CN117830822A
公开(公告)日：2024-04-05
申请号：CN202311505273.7
申请日：2023-11-13
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/82 , G06V10/80 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 用于外来入侵植物识别的双分支细粒度网络的构建方法，它包括以下步骤：步骤S1：构建粗粒度分支识别子网络及细粒度分支识别子网络；步骤S2：输入的外来入侵植物图像经由细粒度分支识别子网络的第一Transformer Encoder生成细粒度特征，粗粒度分支识别子网络的第二Transformer Encoder生成粗粒度特征，将细粒度特征和粗粒度特征在第一SCHA模块和第二SCHA模块进行融合；步骤S3：将外来入侵植物不同尺度的图像送入粗粒度分支识别子网络和细粒度分支识别子网络，将经过两个Transformer Encoder的输出送到两个SCHA模块进行融合，两个MLP模块输出类别分数，最后利用类别分数来计算两个分类交叉熵损失，从而优化网络的训练；通过以上步骤对双分支细粒度网络进行构建。
-
公开(公告)号：CN117636151A
公开(公告)日：2024-03-01
申请号：CN202311359053.8
申请日：2023-10-19
Applicant: 三峡大学
IPC: G06V20/10 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 基于注意力的双分支细粒度网络识别外来入侵植物的方法，它包括以下步骤：S1、构建双分支细粒度分类网络的输入，即图片分块操作；S2：构建双分支细粒度分类网络模型，即包括一个粗粒度分支网络和一个细粒度分支网络。双分支结构相同，都包含：线性投射层、多尺度交叉融合模块和MLP模块；S3、构建多尺度交叉融合模块，用于将粗粒度分支和细粒度分支的输入进行融合；S4、将不同大小的图像块送到粗粒度分支和细粒度分支网络，多尺度交叉融合模块会将粗粒度分支和细粒度分支的网络进行融合，输出最终用于分类的分类头，最后利用输出的分类头来计算损失，来优化网络进行训练；通过以上步骤会双分支细粒度识别网络进行构建。
-
公开(公告)号：CN114354666B
公开(公告)日：2023-12-26
申请号：CN202111677903.X
申请日：2021-12-31
Applicant: 三峡大学
IPC: G01N23/223 , G06F30/20 , G06F17/18 , G06F111/06 , G06F111/08
Abstract: 本发明涉及基于波长频次选择的土壤重金属光谱特征提取、优化方法，包括：采集土壤样品，配置样本，获取样本的光谱，形成样本数据集；多次运行BOSS算法，计算各变量被选中的概率，挑选出概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，确定波长变量的最优数量N；重复运行串联的ICO‑BOSS算法进行波长变量选择，计算各变量被选中的概率，从中选出N个概率大的波长变量，计算预测模型的RMSECV平均值，调整波长变量的数量使RMSECV平均值最小，得到最优波长变量集；利用得到的波长变量集预测重金属含量。本发明采用串联的ICO‑BOSS算法，并采用波长频次选择策略，选出最优波长变量集，用于重金属含量的预测，提高了预测模型的稳定性和精度。
-
公开(公告)号：CN117274098A
公开(公告)日：2023-12-22
申请号：CN202311273860.8
申请日：2023-09-28
Applicant: 三峡大学
IPC: G06T5/00 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于U‑Net的部分孪生去雾网络的构造方法，该框架包含两个权值共享的子网络，通过将有雾图像输入第一个子网络进行去雾后再将生成的图像作为去雾先验信息传给第二个子网络，第二个子网络通过输入有雾图像和先验指导信息能够拥有更强的去雾能力和图像重构能力。此外，本发明在该框架的子网络中设计了一个双编解码模块。给子网络输入有雾图像，进行卷积下采样分别得到编码特征，之后通过二次编码模块将编码特征进行二次编码并特征融合得到融合后的二次编码特征。将上一步得到的融合后的二次编码特征通过二次解码模块，之后将得到的二次解码特征分别与编码阶段、解码阶段对应尺度的特征相融合，再通过上采样得到最终的去雾图像。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.035 seconds)
