公开(公告)号：CN115797776A

公开(公告)日：2023-03-14

申请号：CN202211640734.7

申请日：2022-12-20

Applicant: 济南大学

Inventor： 徐涛 ,  路丘 ,  董吉文 ,  刘兰玉 ,  刘振 ,  杨晓晖

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了遥感建筑物检测的方法及系统；其中所述方法，包括：构建训练集，所述训练集为已知遥感建筑物检测标签的遥感图像；采用训练集对建筑物检测模型进行训练，得到训练后的建筑物检测模型，其中，所述训练后的建筑物检测模型中设有边缘掩码网络；将边缘掩码网络，从训练后的建筑物检测模型中移除，得到修正的建筑物检测模型；获取待检测的遥感图像，将待检测的遥感图像输入到修正的建筑物检测模型中，输出图像中建筑物的检测结果。本发明利用边缘检测算子生成的边缘掩码标签和边缘掩码网络生成的特征图像进行训练，用来增强位置信息，在不增加计算代价的同时提高了物体检测精度。

公开(公告)号：CN115018071A

公开(公告)日：2022-09-06

申请号：CN202210624662.0

申请日：2022-06-02

Applicant: 济南大学

Inventor： 徐涛 ,  路丘 ,  董吉文

IPC: G06N3/08 ,  G06N3/04 ,  G06V20/10 ,  G06V20/13 ,  G06V10/44 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于自解码的特征增强网络优化方法及系统，包括以下步骤：S1、构建自解码器模块；S2、将自解码器模块引入到一般的基于卷积神经网络的物体检测模型中，将构建好的自解码器模块引入到物体检测模型的骨干网络；S3、划分物体检测数据集；S4、对数据集中的图像进行预测处理；S5、使用训练数据用物体检测模型和解码器进行协同训练；S6、将自解码器移除；S7、将验证数据送入到检测模型进行检测；S8、得到检测结果，将S7得到检测结果映射到原图的相应位置并标注预测的类别信息。本发明具有将强的嵌入型，且不增加预测时长，而且和更深的骨干网络的预测结果相比也不逊色。