-
公开(公告)号:CN111582175B
公开(公告)日:2023-07-21
申请号:CN202010386191.5
申请日:2020-05-09
Applicant: 中南大学
IPC: G06V20/10 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/778 , G06V10/764
Abstract: 本发明提供了一种共享多尺度对抗特征的高分遥感影像语义分割方法,引入了多尺度对抗网络模型,利用对抗特征的多尺度结构学习,较好地刻画出遥感影像的多尺度细节信息;同时通过改进对抗网络模型的判别器,将其作为关系增强模块,进一步描述目标地物的相关性和边界信息,一方面,可以表达同一地物内的像素之间的相关性,另一方面,将每个图像的边缘像素与其周围的其他两个或多个地物类别的像素相关联,从而获得目标地物更好的空间连续性和边界准确性,提高遥感影像预测结果的边界和语义准确性;另外,本申请的对抗特征能够灵活的嵌入到不同的语义分割基准模型中,具有较好的迁移应用能力,且能够相应地提高其性能。
-
公开(公告)号:CN110046598B
公开(公告)日:2023-01-06
申请号:CN201910328725.6
申请日:2019-04-23
Applicant: 中南大学
Abstract: 本申请公开了即插即用的多尺度空间和通道注意遥感影像目标检测方法,包括:获取原始特征图,原始特征图为由深度卷积神经网络提取图像的特征图;对原始特征图进行全局平均池化操作,得到特征图向量;由两个全连接层对特征图向量进行两次线性变换,得到通道注意图;通过不同感受野的卷积产生至少三种不同尺度的空间注意图;将三种尺度的空间注意图相乘得到多尺度空间注意图;将多尺度空间注意图和通道注意图相乘,得到多尺度空间和通道注意(MSCA);将多尺度空间和通道注意(MSCA)施加到原始特征图上生成新的特征图。在现有的目标检测模型中加入MSCA,显著提升小目标以及复杂背景的遥感影像目标检测的效果。
-
公开(公告)号:CN110334578A
公开(公告)日:2019-10-15
申请号:CN201910368339.X
申请日:2019-05-05
Applicant: 中南大学
Abstract: 本发明提供了一种图像级别标注自动提取高分遥感影像建筑物的弱监督方法,主要包括建筑物目标的弱监督标记信息获取和建筑物自动提取两个步骤。建筑物目标的弱监督标记信息获取包括自动获取建筑物图像级别标注、利用图像级标注训练分类模型、模型反向定位建筑物目标区域和生成建筑物目标弱监督标记等内容;建筑物提取包括对模型的训练、测试和对数据集外的高分遥感影像中的建筑物进行提取。本发明实现了仅有图像级标签下的建筑物目标的像素级提取,节省了大量的标注成本;改进了分类模型获取建筑物目标定位的网络结构,获取建筑物弱监督标记的方法可扩充高分影像建筑物提取数据集;处理方法简单易行,灵活性高。
-
公开(公告)号:CN108761451B
公开(公告)日:2020-09-04
申请号:CN201810489874.6
申请日:2018-05-21
Applicant: 中南大学
IPC: G01S13/89
Abstract: 本发明提供了一种基于多时相遥感影像的土地利用变化智能理解方法,包括检测两时相遥感影像目标区域内发生变化的对象和用自然语言描述变化的内容;检测两时相遥感影像目标区域内发生变化的对象包括获取两时相的数据、遥感影像的预处理、两时相数据的分块裁剪、构建掩膜、模型训练和模型测试、检测发生变化的内容并将变化地块高亮表示等内容;用自然语言描述变化的内容包括确定描述变化内容的语句模板、生成描述语句。本发明对两时相的遥感影像分别分割,利用地物类别信息判别同一位置地物类别的变化,变化检测更精确,描述内容确定化;用自然语言对变化内容进行描述,直观地展示两时相影像的变化内容,便于遥感影像的深层理解。
-
公开(公告)号:CN110334578B
公开(公告)日:2023-04-18
申请号:CN201910368339.X
申请日:2019-05-05
Applicant: 中南大学
IPC: G06V20/10 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464 , G06T7/11
Abstract: 本发明提供了一种图像级别标注自动提取高分遥感影像建筑物的弱监督方法,主要包括建筑物目标的弱监督标记信息获取和建筑物自动提取两个步骤。建筑物目标的弱监督标记信息获取包括自动获取建筑物图像级别标注、利用图像级标注训练分类模型、模型反向定位建筑物目标区域和生成建筑物目标弱监督标记等内容;建筑物提取包括对模型的训练、测试和对数据集外的高分遥感影像中的建筑物进行提取。本发明实现了仅有图像级标签下的建筑物目标的像素级提取,节省了大量的标注成本;改进了分类模型获取建筑物目标定位的网络结构,获取建筑物弱监督标记的方法可扩充高分影像建筑物提取数据集;处理方法简单易行,灵活性高。
-
公开(公告)号:CN112052783A
公开(公告)日:2020-12-08
申请号:CN202010909322.3
申请日:2020-09-02
Applicant: 中南大学
Abstract: 本发明提供了一种结合像素语义关联和边界注意的高分影像弱监督建筑物提取方法,包括训练数据准备、深层特征提取、边界特征融合、像素语义关联度学习、损失函数计算和生成建筑物伪标注;通过设计边界注意模块,将超像素先验信息和网络提取的边界信息相结合,强化了建筑物边界特征,且通过学习像素之间的语义关联性,将像素间的语义信息在图像中进行有效传播,生成更为完整密集,边界更为清晰的伪标签。同时配合高分遥感影像采用全卷积网络模型训练,实现建筑物特征自动提取。
-
公开(公告)号:CN110046598A
公开(公告)日:2019-07-23
申请号:CN201910328725.6
申请日:2019-04-23
Applicant: 中南大学
Abstract: 本申请公开了即插即用的多尺度空间和通道注意遥感影像目标检测方法,包括:获取原始特征图,原始特征图为由深度卷积神经网络提取图像的特征图;对原始特征图进行全局平均池化操作,得到特征图向量;由两个全连接层对特征图向量进行两次线性变换,得到通道注意图;通过不同感受野的卷积产生至少三种不同尺度的空间注意图;将三种尺度的空间注意图相乘得到多尺度空间注意图;将多尺度空间注意图和通道注意图相乘,得到多尺度空间和通道注意(MSCA);将多尺度空间和通道注意(MSCA)施加到原始特征图上生成新的特征图。在现有的目标检测模型中加入MSCA,显著提升小目标以及复杂背景的遥感影像目标检测的效果。
-
公开(公告)号:CN108761451A
公开(公告)日:2018-11-06
申请号:CN201810489874.6
申请日:2018-05-21
Applicant: 中南大学
IPC: G01S13/89
Abstract: 本发明提供了一种基于多时相遥感影像的土地利用变化智能理解方法,包括检测两时相遥感影像目标区域内发生变化的对象和用自然语言描述变化的内容;检测两时相遥感影像目标区域内发生变化的对象包括获取两时相的数据、遥感影像的预处理、两时相数据的分块裁剪、构建掩膜、模型训练和模型测试、检测发生变化的内容并将变化地块高亮表示等内容;用自然语言描述变化的内容包括确定描述变化内容的语句模板、生成描述语句。本发明对两时相的遥感影像分别分割,利用地物类别信息判别同一位置地物类别的变化,变化检测更精确,描述内容确定化;用自然语言对变化内容进行描述,直观地展示两时相影像的变化内容,便于遥感影像的深层理解。
-
公开(公告)号:CN112052783B
公开(公告)日:2024-04-09
申请号:CN202010909322.3
申请日:2020-09-02
Applicant: 中南大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/26 , G06N3/0464 , G06T3/4007 , G06T7/194
Abstract: 本发明提供了一种结合像素语义关联和边界注意的高分影像弱监督建筑物提取方法,包括训练数据准备、深层特征提取、边界特征融合、像素语义关联度学习、损失函数计算和生成建筑物伪标注;通过设计边界注意模块,将超像素先验信息和网络提取的边界信息相结合,强化了建筑物边界特征,且通过学习像素之间的语义关联性,将像素间的语义信息在图像中进行有效传播,生成更为完整密集,边界更为清晰的伪标签。同时配合高分遥感影像采用全卷积网络模型训练,实现建筑物特征自动提取。
-
公开(公告)号:CN113487546B
公开(公告)日:2024-04-02
申请号:CN202110707356.9
申请日:2021-06-25
Applicant: 中南大学 , 温州市勘察测绘研究院
IPC: G06T7/00 , G06T3/4046 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种特征‑输出空间双对齐的变化检测方法,通过设计特征空间对齐,对前后时相的高层特征的相关性进行建模,拉近未变化区域像素在特征空间上的差异,使网络提取到未变化区域的高层特征趋于一致,以减弱伪变化问题对变化检测精度的影响;通过设计输出空间对齐,添加判别器,让变化检测结果和Ground truth进行对抗性学习,编码包括外观、形状和上下文在内的多种视觉线索,使预测的变化检测结果分布接近Ground truth的分布,提升变化预测图的质量。
-
-
-
-
-
-
-
-
-