公开(公告)号：CN117576401A

公开(公告)日：2024-02-20

申请号：CN202311721506.7

申请日：2023-12-13

Applicant: 南京林业大学

Inventor： 业巧林 ,  沈雨晨 ,  范习健 ,  李兴

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088

Abstract: 一种基于语义分割的无监督实例分割方法，所述方法包括以下步骤：获取图片数据集，并对所述图片数据集进行预处理；将预处理后的图片数据集输入语义分割模型中得到语义分割掩码；通过主干特征提取网络，从所述语义分割掩码中提取多层抽象特征；将所述多层抽象特征输入到位移场检测模块得到实例掩膜；将所述多层抽象特征输入到类边界细化模块得到边界信息；将所述实例掩膜和边界信息传入语义感知模块，并通过取数组最大值索引的操作生成实例分割掩膜。本发明不需要重新训练语义分割或实例分割模型，可以部署在现有的语义分割模型上而无需改动其网络结构，无监督实例分割省去了现有实例分割模型对实例级图像标注的要求，因此具有更高的效率。

公开(公告)号：CN115937672A

公开(公告)日：2023-04-07

申请号：CN202211468221.2

申请日：2022-11-22

Applicant: 南京林业大学

Inventor： 沈雨晨 ,  宋智豪 ,  业巧林

IPC: G06V20/10 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及图像识别领域，具体为一种基于深度神经网络的遥感旋转目标检测方法，本发明旨在基于深度神经网络的特征融合部分，改进并解决经典网络中对全局信息的忽略问题，并且通过特征图通道维度上的连接融合操作，改进特征图的融合效果，增强特征图所蕴含的信息，提升网络对遥感图像目标检测任务的精度；本发明通过改进网络模块，将全球范围内通用的遥感图像公开数据集在DOTA数据集上进行测试，相比其他方法，可以达到更高的精度，对于小目标以及大目标的检测能力都有所提升，同时也不会大幅增加网络参数。