-
公开(公告)号：CN119785203A
公开(公告)日：2025-04-08
申请号：CN202411764882.9
申请日：2024-12-04
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/77 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于视觉基础模型的双分支变化检测方法和系统，属于遥感影像检测技术领域。该方法提出了一种基于视觉基础模型的双分支变化检测网络模型，使用冻结的视觉基础模型FastSAM作为编码器，极大提升了网络模型的特征提取能力。为实现视觉基础模型提取特征向遥感影像领域的迁移，本方法设计了一个变化检测适配器模块，通过微调少量模型参数，实现了从通用视觉特征到遥感影像特征的有效转换。此外，该方法还提出了一个双分支变化检测模块，分别利用单时相语义特征解码器和双时相变化特征解码器，通过对单时相遥感影像语义信息的挖掘和双时相多尺度特征的融合，进一步提高了特征的判别能力，从而提升了模型的检测性能。
-
公开(公告)号：CN113344005A
公开(公告)日：2021-09-03
申请号：CN202110518411.X
申请日：2021-05-12
Applicant: 武汉大学
Abstract: 本发明公开了一种基于优化小尺度特征的图像边缘检测方法，利用自上而下的注意力引导模块，自适应地从不同尺度的特征中学习注意力机制，利用高层特征的语义信息引导底层的特征提取与边缘预测。此外，设计了一个像素级融合模块，通过预测不同尺度边缘像素的置信度分数，将网络在不同尺度下的边缘检测结果进行像素级别的融合，进一步提升检测边缘的精细程度。本发明所述的方法能够有效解决基于深度学习的图像边缘检测算法中常见的边缘定位不精确、小尺度特征利用不充分的问题，获得了更精细的边缘检测结果，同时较好地保持了边缘包含的语义信息，大幅抑制了伪边缘的检出，有效提升了图像边缘检测算法的性能。
-
Patent Agency Ranking
公开(公告)号：CN113378918B
公开(公告)日：2022-06-07
申请号：CN202110640451.1
申请日：2021-06-09
Applicant: 武汉大学
IPC: G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于度量学习的绝缘子绑扎线状态检测方法。本发明利用由粗到细的检测策略，使用两步Faster‑RCNN对目标进行粗检测和精检测。以绑扎线检测为例，本发明通过裁剪出分步检测得到的绝缘子和绑扎线图像逐步扩大目标、减小检测范围，增强对输电线路中小目标的检测能力和精确性。其次，为解决输电线路中小差异对象中存在的细粒度分类问题，本发明公开的利用度量学习的小差异对象分类方法，能够训练原始图像得到类间差异大、类内差异小的特征空间映射，提高了对输电线路中细差异对象分类的处理能力。此外，由于本发明采用了分步训练网络的方式，使得数据收集更为简单，可扩展性更强、网络优化更为方便。
-
公开(公告)号：CN113344005B
公开(公告)日：2022-04-15
申请号：CN202110518411.X
申请日：2021-05-12
Applicant: 武汉大学
Abstract: 本发明公开了一种基于优化小尺度特征的图像边缘检测方法，利用自上而下的注意力引导模块，自适应地从不同尺度的特征中学习注意力机制，利用高层特征的语义信息引导底层的特征提取与边缘预测。此外，设计了一个像素级融合模块，通过预测不同尺度边缘像素的置信度分数，将网络在不同尺度下的边缘检测结果进行像素级别的融合，进一步提升检测边缘的精细程度。本发明所述的方法能够有效解决基于深度学习的图像边缘检测算法中常见的边缘定位不精确、小尺度特征利用不充分的问题，获得了更精细的边缘检测结果，同时较好地保持了边缘包含的语义信息，大幅抑制了伪边缘的检出，有效提升了图像边缘检测算法的性能。
-
公开(公告)号：CN119762963A
公开(公告)日：2025-04-04
申请号：CN202411770715.5
申请日：2024-12-04
Applicant: 武汉大学
Abstract: 本发明公开了一种基于单时相语义分割的变化检测预训练方法和系统，属于遥感影像检测技术领域。首先，该方法使用广泛的单时相语义分割数据构造伪双时相变化检测数据，随后在任意一种深度学习变化检测网络中引入一个语义分割检测模块构成预训练网络，在伪双时相变化检测数据上进行预训练，随后将得到的预训练模型在真实的变化检测数据集上进行微调得到最终的变化检测模型。本发明有效利用丰富的单时相语义分割数据来构造伪双时相变化检测数据，从而缓解了基于深度学习的遥感影像变化检测方法对大规模双时相标注数据的依赖；本发明在预训练阶段额外设计了一个语义分割检测模块加强模型对变化目标语义的理解能力，从而提升了模型的检测精度。
-
公开(公告)号：CN114782243A
公开(公告)日：2022-07-22
申请号：CN202210371750.4
申请日：2022-04-11
Applicant: 武汉大学
Abstract: 本发明公开了一种基于监督领域自适应的遥感影像变化检测方法，属于遥感影像变化检测技术领域。本发明从图像自适应和特征自适应两个角度出发，图像自适应模块中，将对抗训练与循环一致性约束、风格一致性约束相结合，完成两个方向的图像风格迁移，在图像外观角度缩小前后时相图像之间的领域差异。特征自适应模块中，提取域不变特征来对齐不同特征空间的分布，进一步缩小前后时相图像之间的领域差异。此外将前时相域中的图像对、后时相域中的图像对和原来的图像对一起，输入到特征提取网络中得到最后的结果。本发明有效解决跨域变化检测中，前后时相之间的领域差异对变化检测结果的影响，并且能够与任意的变化检测网络结合，进一步提升检测性能。
-
公开(公告)号：CN113378918A
公开(公告)日：2021-09-10
申请号：CN202110640451.1
申请日：2021-06-09
Applicant: 武汉大学
Abstract: 本发明公开了一种基于度量学习的绝缘子绑扎线状态检测方法。本发明利用由粗到细的检测策略，使用两步Faster‑RCNN对目标进行粗检测和精检测。以绑扎线检测为例，本发明通过裁剪出分步检测得到的绝缘子和绑扎线图像逐步扩大目标、减小检测范围，增强对输电线路中小目标的检测能力和精确性。其次，为解决输电线路中小差异对象中存在的细粒度分类问题，本发明公开的利用度量学习的小差异对象分类方法，能够训练原始图像得到类间差异大、类内差异小的特征空间映射，提高了对输电线路中细差异对象分类的处理能力。此外，由于本发明采用了分步训练网络的方式，使得数据收集更为简单，可扩展性更强、网络优化更为方便。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
