-
公开(公告)号：CN113343953B
公开(公告)日：2021-12-21
申请号：CN202110894846.4
申请日：2021-08-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于遥感场景识别的FGR‑AM方法，包括：对第3个和第5个瓶颈卷积模块提取的图像特征进行有效信息增强处理和无效信息抑制处理；分别从第3个瓶颈卷积模块提取的图像特征中同时提取遥感图像包含的轮廓信息和视觉中更感兴趣的特征，以及从第5个瓶颈卷积模块提取的图像特征中提取出遥感图像包含的细节特征；将通道注意力和空间注意力增强特征进行融合；将多维特征映射到正交的k维特征，对遥感图像进行识别分类。本发明兼顾了图像的主要特征和细节特征，对感兴趣的信息以及细节信息的提取并融合，使得网络的识别精度有所提升，并使得网络在复杂场景以及相似场景下都能够对场景进行精准的识别。
-
公开(公告)号：CN113343953A
公开(公告)日：2021-09-03
申请号：CN202110894846.4
申请日：2021-08-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于遥感场景识别的FGR‑AM方法，包括：对第3个和第5个瓶颈卷积模块提取的图像特征进行有效信息增强处理和无效信息抑制处理；分别从第3个瓶颈卷积模块提取的图像特征中同时提取遥感图像包含的轮廓信息和视觉中更感兴趣的特征，以及从第5个瓶颈卷积模块提取的图像特征中提取出遥感图像包含的细节特征；将通道注意力和空间注意力增强特征进行融合；将多维特征映射到正交的k维特征，对遥感图像进行识别分类。本发明兼顾了图像的主要特征和细节特征，对感兴趣的信息以及细节信息的提取并融合，使得网络的识别精度有所提升，并使得网络在复杂场景以及相似场景下都能够对场景进行精准的识别。
-
公开(公告)号：CN112070070B
公开(公告)日：2021-02-09
申请号：CN202011248497.0
申请日：2020-11-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于城市遥感场景识别的LW‑CNN方法，包括：输入原始城市遥感图像至LW‑CNN场景识别网络，采用多通道模块对城市遥感图像进行多视野特征提取；采用自适应池化层，根据提取得到的多视野特征图尺寸，自动调整其中部分通道的卷积核和卷积步长，以统一输出固定尺寸的特征图；基于深层特征提取模块，采用深度可分离卷积方式，对调整尺寸后的多视野特征图进行深层特征提取；采用跳跃连接方式对深层特征提取块输出的多层特征进行融合；对融合得到的特征进行全局平均池化处理，以提取遥感图像全局特征。本发明能够在保证网络层深度的情况下，减小网络参数，且图像输入尺寸不受限制，提升遥感场景识别的精度。
-
公开(公告)号：CN112070070A
公开(公告)日：2020-12-11
申请号：CN202011248497.0
申请日：2020-11-10
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种用于城市遥感场景识别的LW‑CNN方法，包括：输入原始城市遥感图像至LW‑CNN场景识别网络，采用多通道模块对城市遥感图像进行多视野特征提取；采用自适应池化层，根据提取得到的多视野特征图尺寸，自动调整其中部分通道的卷积核和卷积步长，以统一输出固定尺寸的特征图；基于深层特征提取模块，采用深度可分离卷积方式，对调整尺寸后的多视野特征图进行深层特征提取；采用跳跃连接方式对深层特征提取块输出的多层特征进行融合；对融合得到的特征进行全局平均池化处理，以提取遥感图像全局特征。本发明能够在保证网络层深度的情况下，减小网络参数，且图像输入尺寸不受限制，提升遥感场景识别的精度。
-
-
-
Search Results
4
records
(took 0.028 seconds)
