-
公开(公告)号：CN115375922A
公开(公告)日：2022-11-22
申请号：CN202211098512.7
申请日：2022-09-03
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明涉及一种基于多尺度空间注意力的轻量化显著性检测方法，包括以下步骤：步骤一、构建多尺度特征提取模块，并对输入信息进行处理；步骤二、依据深度可分离卷积及多尺度特征提取模块构建编码器，用于获取多级语义特征；步骤三、构建多尺度空间注意力模块；步骤四、依据深度可分离卷积与多尺度空间注意力模块构建解码器；步骤五、以编码器、解码器为基础，建立轻量化显著性检测模型；步骤六、对所建立轻量化显著性检测模型进行训练，并保存训练所得最终模型参数；本发明通过对图像中多尺度特征的充分挖掘以及图像全局特征的提取与利用，强化了轻量化模型的检测能力，在保持轻量化模型自身优势的同时，提升了模型的检测精度。
-
公开(公告)号：CN115375922B
公开(公告)日：2023-08-25
申请号：CN202211098512.7
申请日：2022-09-03
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06V10/52 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/32 , G06V10/34 , G06V10/80 , G06V10/82 , G06V10/26
Abstract: 本发明涉及一种基于多尺度空间注意力的轻量化显著性检测方法，包括以下步骤：步骤一、构建多尺度特征提取模块，并对输入信息进行处理；步骤二、依据深度可分离卷积及多尺度特征提取模块构建编码器，用于获取多级语义特征；步骤三、构建多尺度空间注意力模块；步骤四、依据深度可分离卷积与多尺度空间注意力模块构建解码器；步骤五、以编码器、解码器为基础，建立轻量化显著性检测模型；步骤六、对所建立轻量化显著性检测模型进行训练，并保存训练所得最终模型参数；本发明通过对图像中多尺度特征的充分挖掘以及图像全局特征的提取与利用，强化了轻量化模型的检测能力，在保持轻量化模型自身优势的同时，提升了模型的检测精度。
-
公开(公告)号：CN114241308B
公开(公告)日：2023-08-04
申请号：CN202111551765.0
申请日：2021-12-17
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于压缩模块的轻量化遥感图像显著性检测方法。首先对输入压缩模块的信息进行预处理，然后获取显著性信息和多感受野信息；再融合显著性信息与多感受野信息，作为压缩模块输出；最后依据压缩模块，构建轻量化模型。本发明方法通过对输入压缩模块的信息进行压缩，从而减少了后续操作所需参数量，进而降低了模型整体的大小并提升了检测速度。本发明方法通过利用互补信息来丰富模块的提取能力，加强了轻量化模型的整体性能，从而较好地实现对遥感图像进行显著性检测。
-
Patent Agency Ranking
公开(公告)号：CN114219790A
公开(公告)日：2022-03-22
申请号：CN202111551782.4
申请日：2021-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于边缘信息的钢铁表面缺陷显著性检测方法，首先构建基于边缘信息的钢铁表面缺陷显著性检测模型，包括编码器部分、边缘信息提取模块和解码器部分；通过编码器部分提取显著性信息，通过边缘信息提取模块获得边缘信息，最后通过解码器部分融合显著性信息与边缘信息，输出模型预测的结果图。本发明方法通过在编码器部分引入通道注意力机制，对于所提取信息当中重要的部分赋予更大权重，从而使得编码器能更有效地提取信息。本发明还利用编码器输出的信息，提取获得边缘信息并用于指导解码器部分结果图的生成，加强了前景与背景边界区域的检测能力，从而有效地对钢铁表面缺陷区域进行显著性检测。
-
公开(公告)号：CN113408350B
公开(公告)日：2023-09-19
申请号：CN202110535251.X
申请日：2021-05-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于边缘特征提取方法的遥感图像显著性检测方法。本发明包括一个基于ResNet34的编码器，边缘提取方法以及显著信息与显著边缘信息的融合方法。模型输入的是RGB三通道彩色光学遥感图像，首先用以ResNet34为主干的编码器提取特征，之后分别将提取得到的特征输入边缘特征与显著特征两个解码器中，通过连续的卷积对特征进行提取，最终输出显著性预测图。本方法使用了新的方式提取边缘特征，细化边缘，提高了显著目标的质量。并以U型网络提取上下文特征，抑制复杂背景，突出显著目标，从而拥有边缘效果更好的遥感图像显著目标检测结果。
-
公开(公告)号：CN114219790B
公开(公告)日：2023-09-22
申请号：CN202111551782.4
申请日：2021-12-17
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/13 , G06V10/44 , G06V10/46 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于边缘信息的钢铁表面缺陷显著性检测方法，首先构建基于边缘信息的钢铁表面缺陷显著性检测模型，包括编码器部分、边缘信息提取模块和解码器部分；通过编码器部分提取显著性信息，通过边缘信息提取模块获得边缘信息，最后通过解码器部分融合显著性信息与边缘信息，输出模型预测的结果图。本发明方法通过在编码器部分引入通道注意力机制，对于所提取信息当中重要的部分赋予更大权重，从而使得编码器能更有效地提取信息。本发明还利用编码器输出的信息，提取获得边缘信息并用于指导解码器部分结果图的生成，加强了前景与背景边界区域的检测能力，从而有效地对钢铁表面缺陷区域进行显著性检测。
-
公开(公告)号：CN114241308A
公开(公告)日：2022-03-25
申请号：CN202111551765.0
申请日：2021-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于压缩模块的轻量化遥感图像显著性检测方法。首先对输入压缩模块的信息进行预处理，然后获取显著性信息和多感受野信息；再融合显著性信息与多感受野信息，作为压缩模块输出；最后依据压缩模块，构建轻量化模型。本发明方法通过对输入压缩模块的信息进行压缩，从而减少了后续操作所需参数量，进而降低了模型整体的大小并提升了检测速度。本发明方法通过利用互补信息来丰富模块的提取能力，加强了轻量化模型的整体性能，从而较好地实现对遥感图像进行显著性检测。
-
公开(公告)号：CN113408350A
公开(公告)日：2021-09-17
申请号：CN202110535251.X
申请日：2021-05-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于创新边缘特征提取方法的遥感图像显著性检测方法。本发明包括一个基于ResNet34的编码器，创新的边缘提取方法以及显著信息与显著边缘信息的融合方法。模型输入的是RGB三通道彩色光学遥感图像，首先用以ResNet34为主干的编码器提取特征，之后分别将提取得到的特征输入边缘特征与显著特征两个解码器中，通过连续的卷积对特征进行提取，最终输出显著性预测图。本方法使用了新的方式提取边缘特征，细化边缘，提高了显著目标的质量。并以U型网络提取上下文特征，抑制复杂背景，突出显著目标，从而拥有边缘效果更好的遥感图像显著目标检测结果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.041 seconds)
