-
公开(公告)号：CN116740524A
公开(公告)日：2023-09-12
申请号：CN202310953087.3
申请日：2023-07-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种多分支多尺度拉普拉斯渐进式遥感图像融合方法及系统，将待融合处理的遥感图像输入多分支多尺度拉普拉斯渐进式遥感图像融合网络中，进行图像融合；所述多分支多尺度拉普拉斯渐进式遥感图像融合网络，包括用于提取全色图像信息的全色分支fpb、用于提取多光谱图像的多光谱分支fmb和用于融合和重建两者信息的融合分支；本发明提出的方法可有效缓解融合图像的失真和不真实的现象，与其他主流的方法相比，本发明提出的方法在取得不错融合效果的同时模型的参数和运行速度都在很小的数量级范围内，具有一定的现实意义；同时，本发明提出的方法仅采用基本的卷积层和ReLU激活函数层，具有较强的可扩展性和潜力。
-
公开(公告)号：CN116563730A
公开(公告)日：2023-08-08
申请号：CN202310231828.7
申请日：2023-03-06
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于重学习的无人机遥感影像罂粟检测方法，包括数据集构建，对罂粟影像数据集的标注和预处理；模型重学习，利用目标检测模型通过重学习困难样本提升模型的泛化能力，所述重学习是通过已训练的权重对验证集进行检测，获取误检和漏检样本并放入训练集中形成新的数据集样本，通过模型微调进行重新迭代学习；最后通过对比验证集和测试集的检测精度来判断模型的泛化性能，所得性能最好的模型权重用于无人机遥感影像的罂粟识别和检测任务。本发明提供的重学习训练方法不仅可以有效提升无人机遥感影像罂粟检测能力，而且也适用于其他目标检测任务中，具有通用性。
-
Search Results
2
records
(took 0.014 seconds)
