公开(公告)号：CN115641445B

公开(公告)日：2023-03-14

申请号：CN202211660330.4

申请日：2022-12-23

Applicant: 西南石油大学

Inventor： 王一帆 ,  黄鲜 ,  王建林 ,  郭磊鑫

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于遥感图像阴影检测技术领域，提供了一种非对称内卷积与Transformer相融合的遥感图像阴影检测方法，通过Transformer网络具有捕获长距离依赖关系的特点，提取遥感图像全局特征信息，解决CNN感受野不足的问题；通过构建多尺度非对称内卷积模块，利用交叉式感受野的特点减轻捕获代表性特征中的冗余信息；通过利用内卷积的空间特异性和通道不变性，改善长距离像素依赖的问题，提升网络的计算效率；通过采用内卷积替换平时池化层，缩减输入数据的尺寸大小，防止图像中一些低分辨率特征的信息的丢失；通过构建特征融合模块，使得网络结构能够同时继承CNN和Transformer的优点，并且最大程度保留全局和局部特征，提高了遥感图像中阴影检测的精度和准确率。

公开(公告)号：CN115641445A

公开(公告)日：2023-01-24

申请号：CN202211660330.4

申请日：2022-12-23

Applicant: 西南石油大学

Inventor： 王一帆 ,  黄鲜 ,  王建林 ,  郭磊鑫

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明属于遥感图像阴影检测技术领域，提供了一种非对称内卷积与Transformer相融合的遥感图像阴影检测方法，通过Transformer网络具有捕获长距离依赖关系的特点，提取遥感图像全局特征信息，解决CNN感受野不足的问题；通过构建多尺度非对称内卷积模块，利用交叉式感受野的特点减轻捕获代表性特征中的冗余信息；通过利用内卷积的空间特异性和通道不变性，改善长距离像素依赖的问题，提升网络的计算效率；通过采用内卷积替换平时池化层，缩减输入数据的尺寸大小，防止图像中一些低分辨率特征的信息的丢失；通过构建特征融合模块，使得网络结构能够同时继承CNN和Transformer的优点，并且最大程度保留全局和局部特征，提高了遥感图像中阴影检测的精度和准确率。