-
公开(公告)号：CN114241288A
公开(公告)日：2022-03-25
申请号：CN202111536484.8
申请日：2021-12-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种选择性边缘信息引导的遥感目标显著性检测方法，首先进行图像数据预处理，获得预处理后的图像训练集，然后搭建目标显著性检测网络，最后通过图像训练集对目标显著性检测网络进行训练。本发明使得网络在自主提取边缘信息的同时对提取到的边缘信息进行自主选择区分，保留正向的边缘特征信息，优化或剔除不良的边缘特征信息，有效提升遥感目标的显著性分割结果。
-
公开(公告)号：CN112163490A
公开(公告)日：2021-01-01
申请号：CN202010995193.4
申请日：2020-09-21
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于场景图片的目标检测方法，本发明对训练数据集进行图像预处理，然后搭建基于U‑net网络的目标检测网络，将U‑net的encoder部分替换为为协同提取模块，所述的协同提取模块包括主、副两条支路和桥接模块，通过concatenate操作将两条支路处理完成的信息进行融合，通过桥接模块进行进一步处理，最后将桥接模块处理后的数据输入decoder部分，通过训练数据集训练目标检测网络，最后将待检测图像输入训练好的目标检测网络中进行图像目标检测。本发明利用了相同物品场景图之间的相关性信息，并对siamese net、U‑net进行改进，使得图像的特征提取和相关性提取都得到了更好的结果。
-
Patent Agency Ranking
公开(公告)号：CN115019068B
公开(公告)日：2024-02-23
申请号：CN202210580683.7
申请日：2022-05-26
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06V10/72 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/44 , G06V10/46 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了一种基于编解码架构的渐进式显著目标识别方法，包括如下步骤：S1、图像数据预处理，并将预处理后的图像数据制作成训练集；S2、搭建目标识别网络并获取精确显著图像；S3、训练集中的图像数据输入至目标识别网络并训练。本发明通过在网络编码过程、解码过程中采用不同的渐进融合方式，有效减少了层间、尤其是间隔层之间的噪声污染保证了多尺度特征信息的有效利用，另外，通过渐进式连接方法取代传统模型中的简单跳跃连接、长连接，在保证
-
公开(公告)号：CN112465815B
公开(公告)日：2023-09-19
申请号：CN202011494987.9
申请日：2020-12-17
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/181 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于边缘主体融合信息的遥感目标显著性检测方法。本发明步骤：1、图像数据预处理；2、网络搭建：网络包括encoder部分和decoder部分；encoder部分包括一个输入卷积层和六个卷积块，其中前四个卷积块采用ResNet34；encoder和decoder之间添加3个3*3的卷积层作为桥接；Decoder部分与encoder部分为对称结构，每个解码块与对应encoder部分concat的同时，还将前一个解码块concat到当前解码块；3、数据输入和训练。本发明有效利用了编码阶段的边缘信息和主体信息，并选择使用多loss融合的模式对U‑net解码部分的各个边缘输出进行约束，同时对各个边缘输出进行融合，使得遥感目标的检测取得了显著提升。
-
公开(公告)号：CN114241218A
公开(公告)日：2022-03-25
申请号：CN202111536499.4
申请日：2021-12-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于逐级注意力机制的目标显著性检测方法。首先进行图像数据预处理，获得预处理后的图像训练集，然后构建目标显著性检测网络，最后通过图像训练集对目标显著性检测网络进行训练；本发明使得特征信息在空间注意力和通道注意力模块上都得以逐级递进，通道注意力模块组和空间注意力模块组使得网络能够提取更丰富的上下文信息，避免了语义杂糅，有效减少了分割噪声，尤其是假阴性噪声，目标显著性检测性能取得了显著提升。
-
公开(公告)号：CN112465815A
公开(公告)日：2021-03-09
申请号：CN202011494987.9
申请日：2020-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于边缘主体融合信息的遥感目标显著性检测方法。本发明步骤：1、图像数据预处理；2、网络搭建：网络包括encoder部分和decoder部分；encoder部分包括一个输入卷积层和六个卷积块，其中前四个卷积块采用ResNet34；encoder和decoder之间添加3个3*3的卷积层作为桥接；Decoder部分与encoder部分为对称结构，每个解码块与对应encoder部分concat的同时，还将前一个解码块concat到当前解码块；3、数据输入和训练。本发明有效利用了编码阶段的边缘信息和主体信息，并选择使用多loss融合的模式对U‑net解码部分的各个边缘输出进行约束，同时对各个边缘输出进行融合，使得遥感目标的检测取得了显著提升。
-
公开(公告)号：CN115019068A
公开(公告)日：2022-09-06
申请号：CN202210580683.7
申请日：2022-05-26
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明公开了一种基于编解码架构的渐进式显著目标识别方法，包括如下步骤：S1、图像数据预处理，并将预处理后的图像数据制作成训练集；S2、搭建目标识别网络并获取精确显著图像；S3、训练集中的图像数据输入至目标识别网络并训练。本发明通过在网络编码过程、解码过程中采用不同的渐进融合方式，有效减少了层间、尤其是间隔层之间的噪声污染保证了多尺度特征信息的有效利用，另外，通过渐进式连接方法取代传统模型中的简单跳跃连接、长连接，在保证多尺度特征信息能有效传递的同时，对不同特征层间的噪声信息进行筛除、提纯，使得伪装图像的显著目标检测模型性能得到巨大提升。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
