-
公开(公告)号：CN117789208A
公开(公告)日：2024-03-29
申请号：CN202311360703.0
申请日：2023-10-19
Applicant: 长春理工大学
Abstract: 本发明公开基于双ASPP结构的遥感道路语义分割方法，属于计算机视觉领域，包括特征提取模块、多尺度特征融合模块以及特征恢复模块，针对遥感图像中道路信息复杂，尺度变化较大，以及背景前景识别错误等问题，本发明通过改进网络结构，利用DarkNet网络结构进行特征提取，并进行两次的多尺度特征融合，最终经过特征恢复模块，输出遥感图像中道路信息，通过实验表明，改进后的网络结构，在面对遥感图像中复杂的道路信息时，在CHN‑CUG‑Road Dataset数据集上，Recall，F1‑score，Road Iou等都有较大提升，而且在野外自然道路中，所提出的网络结构仍有较好表现。
-
公开(公告)号：CN117789018A
公开(公告)日：2024-03-29
申请号：CN202311360719.1
申请日：2023-10-19
Applicant: 长春理工大学
Abstract: 本申请公开了一种基于可见光遥感图像道路提取方法，此算法属于语义分割，是图像处理领域中的一个细分方向，该网络结构在UNet网络结构中加入了具有残差结构所示的特征提取网络，使得在特征提取时，能够获取更全面的语义信息，在网络的每一层加入分类损失函数(Polyloss)，能够使网络具有更高的分割精度，在网络结构中嵌入通道注意力机制，可以获取更密集的上下文信息，能够提高道路分割精度。
-
公开(公告)号：CN119107569A
公开(公告)日：2024-12-10
申请号：CN202411167029.9
申请日：2024-08-23
Applicant: 长春理工大学
IPC: G06V20/17 , G06V10/25 , G06V10/36 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/096
Abstract: 本发明公开了一种高分辨率遥感影像中高效细粒度目标识别方法，为了解决在目标检测过程中由于没有考虑地理空间物体的位置，在密集物体的细粒度识别中表现不佳，缺乏多物体识别的可靠性和稳定性；细粒度对象识别方法需要为每个对象挖掘更细粒度的内容，所述的方法步骤如下：步骤一：通过强加粗到细或重复分类的策略，将物体定位和细粒度分类结合起来，从而提高物体特征的识别能力和表示粒度，将基于粗到细的识别策略，在HR‑RSIs中设计一个细粒度的目标识别网络，以充分提取每个目标的细粒度特征，并纠正初步识别中的错误分类；步骤二：提出了一种从知识边缘蒸馏到滤波器嫁接的高效细粒度对象识别模型，其目的是在保证精度的同时加快推理过程。
-
公开(公告)号：CN118736412A
公开(公告)日：2024-10-01
申请号：CN202410858274.8
申请日：2024-06-28
Applicant: 长春理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种遥感图像汽车目标检测与细粒度识别的方法，步骤如下：步骤1、对YOLOv7进行优化改进，拟提出将改进型集中特征金字塔CFP‑C引入到YOLOv7中的BackBone部分解决遥感图像汽车因目标分布密集以及检测背景复杂导致检测效率较低的问题；步骤2：在YOLOv7模型中加入多尺度特征融合的新型MS模块，使网络更加关注对于不同大小的汽车识别，提高对于汽车特征提取能力，从而提高遥感图像汽车目标检测与细粒度识别的准确率；步骤3、通过引入FFP将全局特征与局部特征进行结合，挖掘汽车部件之间的内在关系，从而获得具有代表性的局部特征。进一步提高遥感图像汽车检测网络对于不同类型汽车的检测效果。
-
-
-
Search Results
4
records
(took 0.019 seconds)
