-
公开(公告)号：CN118747854A
公开(公告)日：2024-10-08
申请号：CN202410770040.8
申请日：2024-06-14
IPC分类号： G06V20/13 , G06V10/764 , G06V10/80 , G06V10/44 , G06V10/42 , G06T3/4038 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于Transformer‑CNN高效聚合的遥感图像变化检测方法及装置，属于遥感图像检测技术领域，所述方法包括：获取待检测的双时相遥感图像；将双时相遥感图像输入预先训练好的多尺度Transformer编码器和多尺度CNN编码器中进行特征提取操作；利用差异增强模块计算来自Transformer编码器和CNN编码器的变化前和变化后特征的多级增强特征差；利用金字塔结构的多尺度互补解码器将全局和局部的多级增强特征差进行高效融合，得到变化特征图；通过线性分类器对变化特征图进行逐像素分类，得到变化检测结果图。本发明利用局部和全局特征可以提高变化检测的边界完备性，并以金字塔的方式融合多层次的视觉特征，增强了多尺度不变性。
-
公开(公告)号：CN118941559A
公开(公告)日：2024-11-12
申请号：CN202411418789.2
申请日：2024-10-12
摘要： 本发明提出了一种基于空间通道重构的心脏MRI图像分割方法及系统，涉及心脏MRI图像分割领域，具体方案包括：获取待分割的心脏MRI图像；将心脏MRI图像输入到训练好的分割模型中，得到分割好的心脏MRI图像；其中，所述分割模型是在U‑Net结构上，引入带有多尺度扩展Transformer的空间通道卷积块，结合局部稀疏卷积块和滑动窗口膨胀注意力操作，进行空间通道重构，捕获多尺度上下文信息并扩大感受野；本发明引入带有多尺度扩展Transformer的空间通道卷积块，捕获多尺度上下文信息并扩大感受野，提高心脏MRI图像分割的高效性和鲁棒性。
-
公开(公告)号：CN118628403A
公开(公告)日：2024-09-10
申请号：CN202410829268.X
申请日：2024-06-25
IPC分类号： G06T5/73 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本发明属于信息技术的图像编码技术领域，更具体地，涉及一种木板图像去模糊的方法、装置及计算机可读存储介质。该方法包括获取模糊图像数据集，将数据集划分为训练集、验证集和测试集；使用Transformer架构作为骨干网络结合前馈神经网络，构建木板图像去模糊模型；基于训练集，对所述木板图像去模糊模型进行训练，并基于验证集，对训练好的木板图像去模糊模型进行验证；基于测试集，采用训练好的木板图像去模糊模型进行去模糊处理，得到红外图像去模糊结果。本发明解决现有技术中在图像恢复过程中，图像的边缘信息容易丢失，由于这些原因，模糊图像不能恢复出很好的结果的问题。
-
公开(公告)号：CN118429837A
公开(公告)日：2024-08-02
申请号：CN202410523193.2
申请日：2024-04-28
IPC分类号： G06V20/17 , G06V10/40 , G06V10/766 , G06V10/774 , G06V10/764
摘要： 本发明属于图像识别与处理技术领域，更具体地，涉及一种基于近地遥感与改进YOLOv8s的玉米植株检测方法、装置及计算机可读存储介质，包括通过近地遥感技术获取待处理图像；对待处理图像进行重建，得到重建图像；对重建图像进行自适应切割，适应模型能够处理的最佳尺寸；当重建图像不能被整个切割时，将不足部分使用空白图层填充，最终得到自适应图像；对自适应图像进行标注、数据划分和格式导出，得到数据集；建立玉米植株检测模型，并进行训练；将数据集输入玉米植株检测模型进行检测。本发明解决现有技术中传统模型使用的CIoU计算较为复杂，收敛速度慢，对于小目标检测以及密集目标检测并不能有效地检测。
-
公开(公告)号：CN117975442A
公开(公告)日：2024-05-03
申请号：CN202410167173.6
申请日：2024-02-06
IPC分类号： G06V20/68 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0495 , G06N3/082
摘要： 本发明属于果蔬检测特定计算机模型的技术领域，更具体地，涉及一种基于改进YOLOv5s的轻量化番茄成熟度检测系统及方法。所述系统包括骨干网络、颈部结构和头部结构；所述骨干网络中包括Ghostconv模块、C3Ghost模块和SPPF模块，将原C3模块内部的Bott leneck模块替换为GhostBott leneck模块；所述颈部结构的PANet使用加权双向特征金字塔网络BiFPN进行代替；所述头部结构使用EIoU损失函数替换CIoU损失函数。本发明解决了现有技术中YOLOv5s模型的PANet结构在特征融合过程中未考虑到不同特征信息在融合过程中的不同贡献，且没有横向连接充分融合特征信息，导致多尺度特征的表达能力减弱，检测精度降低的问题。
-
公开(公告)号：CN117591938A
公开(公告)日：2024-02-23
申请号：CN202311615499.2
申请日：2023-11-28
IPC分类号： G06F18/241 , G06F18/25 , G06F18/213 , G06F18/10 , G06F18/214 , G06N3/08 , G06N3/0442 , G06N3/0464
摘要： 本发明属于基于特定计算模型的农机轨迹识别技术领域，更具体地，涉及一种基于神经网络的农机轨迹时空特性提取与行为识别方法。所述方法包括采集农机GNSS轨迹点得到轨迹数据集合，并对数据进行清洗操作；计算出数据清洗后的农机GNSS轨迹每个轨迹点的特征，并将特征与速度、方向进行组合；通过神经网络模型对GNSS轨迹提取时空特征；将提取的时间特征和空间特征通过特征拼接操作实现特征融合；基于特征拼接后的融合特征，通过线性分类器对每个GNSS轨迹进行田间和道路的分类。本发明解决了现有技术中在深层特征提取上具有困难，忽略轨迹数据间的空间关系，并且调参复杂，难以实现准确且实时的田间‑道路行为识别的问题。
-
公开(公告)号：CN118014965A
公开(公告)日：2024-05-10
申请号：CN202410181512.6
申请日：2024-02-18
IPC分类号： G06T7/00 , G06V10/44 , G06V10/80 , G06V10/774 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明属于图像分析的技术领域，更具体地，涉及一种无参考木板图像质量评估方法。所述方法包括获取制作木板的现场原始图像数据，进行主观评分形成数据集，并对数据集划分为训练集和测试集；构建无参考木板图像质量评估模型；所述评估模型包括CNN模块、位置编码模块、Transformer编码器和图像质量评估输出模块；将数据集输入无参考木板图像质量评估模型进行训练及优化。本发明解决了现有技术中木板表面的复杂性和多样性使得在全局和局部层面同时捕捉图像特征更加困难，以及对木板质量的自动化评估准确性和效率较低的问题。
-
公开(公告)号：CN117788450A
公开(公告)日：2024-03-29
申请号：CN202311871060.6
申请日：2023-12-29
IPC分类号： G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要： 本发明属于遥感图像检测特定计算机模型的技术领域，涉及一种基于Transformer与DCN的遥感图像变化检测方法及装置。该方法包括：基于遥感图像数据构建样本集，该样本集中包含时相图和标签图；基于Transformer和动态卷积构建图像变化检测模型，并将时相图输入图像变化检测模型，以得到变化预测图；基于标签图及变化预测图计算图像变化检测模型的交叉熵损失值，并基于交叉熵损失值优化图像变化检测模型的参数，以得到图像变化检测目标模型；利用图像变化检测目标模型对待检测的遥感图像进行变化检测。本发明解决了现有遥感影像变化检测技术由于忽略与任务不相关变化的影响导致的漏报和误报问题，以提高检测精度和鲁棒性。
-
公开(公告)号：CN117475299A
公开(公告)日：2024-01-30
申请号：CN202311283629.7
申请日：2023-09-28
申请人： 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院) , 山东山科智控数字化科技有限公司 , 山东省农业科学院
IPC分类号： G06V20/10 , G06V10/25 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/084
摘要： 本发明属于输电通道检测特定计算机模型的技术领域，更具体地，涉及一种基于YOLOv8的玉米叶片虫害区域检测方法。所述方法包括构建数据集；对数据集的玉米虫害区域图片进行预处理：使用轻量级注释工具“labelme”进行多边形标注，将虫害区域分为3个类别；将预处理后的玉米虫害区域图片输入Poly‑YOLOv8虫害区域检测模型的骨干网络进行特征提取后经颈部网络进行特征融合，最后输入改进的解耦检测头生成检测结果；将经训练和测试后的Poly‑YOLOv8虫害区域检测模型对玉米虫害区域进行实时监测。本发明解决了现有技术中忽略了叶片上虫害区域的检测，基于实例分割的虫害区域检测无法有效定位叶片边界，进而导致精确度不足的问题。
-
公开(公告)号：CN116738313A
公开(公告)日：2023-09-12
申请号：CN202310692957.6
申请日：2023-06-12
IPC分类号： G06F18/241 , G01C21/34 , G01C21/20 , G06F18/2321
摘要： 一种路网图和农机轨迹聚类算法相结合的农机运动模式识别方法，属于地图匹配的技术领域，该方法的步骤包括：获取农机定位轨迹原始数据；对原始农机定位轨迹数据进行数据清洗；利用农机定位轨迹数据获取对应目标区域内的路网图；利用HFTMM算法纠正农机定位轨迹与路网图道路之间的映射偏差；根据农机定位轨迹与路网道路之间的高精度映射关系确定农机道路行驶运动模式；利用DBSCAN密度聚类算法确定农机田间作业和田间转场运动模式。本发明将路网图的道路场景和密度聚类算法相融合，来提高农机定位轨迹分割的准确率和效率，获得更加准确的农机运动模式识别结果。
-
-
-
-
-
-
-
-
-
搜索结果
46 条记录 (耗时 0.078 秒)
