-
公开(公告)号：CN110263705B
公开(公告)日：2023-07-07
申请号：CN201910529049.9
申请日：2019-06-19
Applicant: 上海交通大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种面向遥感技术领域两期高分辨率遥感影像变化检测方法，通过基础特征提取网络将一对待测遥感影像输入双路神经网络并分别提取出特征图，然后通过双路神经网络中的特征金字塔结构以通道数拼接的方式融合得到包含两层特征图的语义信息的特征融合图，对拼接后得到特征差异图进行影像分割后将分割结果融合得到分割轮廓结果。本发明将图像块(Patch)级相似度检测与像素(Pixel)级的多尺度分割相结合，构建双路神经网络(PPCNET,Patch‑level and Pixel‑level Combined Network)，融合块级与像素级的变化检测方式，提高了变化检测的精度以及检测速度，同时避免了噪声影响，适合高分辨率遥感影像的变化检测。
-
Patent Agency Ranking
公开(公告)号：CN112560733B
公开(公告)日：2022-06-17
申请号：CN202011532144.3
申请日：2020-12-23
Applicant: 上海交通大学
Abstract: 一种面向两期遥感影像的多任务处理系统及方法，包括：双路分支特征提取模块、金字塔融合模块、语义指导模块、特征聚合模块、双路注意力机制模块、边界提升模块和上采样模块，本发明通过构造双路网络进行两期遥感影像的特征提取，设计信息流模块引导高层语义信息指导底层空间信息进行特征学习，并通过特征聚合模块有效融合两期影像特征图，充分捕获两期影像之间的关联性和差异性。后续通过注意力机制模块增强特征信息的表达能力，从而实现多任务智能处理。
-
公开(公告)号：CN112560733A
公开(公告)日：2021-03-26
申请号：CN202011532144.3
申请日：2020-12-23
Applicant: 上海交通大学
Abstract: 一种面向两期遥感影像的多任务处理系统及方法，包括：双路分支特征提取模块、金字塔融合模块、语义指导模块、特征聚合模块、双路注意力机制模块、边界提升模块和上采样模块，本发明通过构造双路网络进行两期遥感影像的特征提取，设计信息流模块引导高层语义信息指导底层空间信息进行特征学习，并通过特征聚合模块有效融合两期影像特征图，充分捕获两期影像之间的关联性和差异性。后续通过注意力机制模块增强特征信息的表达能力，从而实现多任务智能处理。
-
公开(公告)号：CN112183360B
公开(公告)日：2022-11-08
申请号：CN202011049591.3
申请日：2020-09-29
Applicant: 上海交通大学
IPC: G06V20/13 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/80
Abstract: 一种高分辨率遥感影像的轻量化语义分割方法，包括：网络的搭建、训练以及测试，该网络具体为pytorch深度学习框架构建编码器‑解码器结构的深度语义分割网络，基于遥感影像数据样本集进行网络训练后，以待测遥感影像作为网络输入，得到遥感影像的分割结果。本发明一方面通过分解深度可分离卷积来减少模型参数，降低计算复杂度，缩短高分辨率遥感影像语义分割的时间，提高高分辨率遥感影像语义分割的效率。另一方面通过多尺度特征聚合、空间注意力模块与门控卷积提高语义分割精度，使所提出的轻量化深度语义分割网络能准确高效地实现高分辨率遥感影像的语义分割。
-
公开(公告)号：CN112183360A
公开(公告)日：2021-01-05
申请号：CN202011049591.3
申请日：2020-09-29
Applicant: 上海交通大学
Abstract: 一种高分辨率遥感影像的轻量化语义分割方法，包括：网络的搭建、训练以及测试，该网络具体为pytorch深度学习框架构建编码器‑解码器结构的深度语义分割网络，基于遥感影像数据样本集进行网络训练后，以待测遥感影像作为网络输入，得到遥感影像的分割结果。本发明一方面通过分解深度可分离卷积来减少模型参数，降低计算复杂度，缩短高分辨率遥感影像语义分割的时间，提高高分辨率遥感影像语义分割的效率。另一方面通过多尺度特征聚合、空间注意力模块与门控卷积提高语义分割精度，使所提出的轻量化深度语义分割网络能准确高效地实现高分辨率遥感影像的语义分割。
-
公开(公告)号：CN110263705A
公开(公告)日：2019-09-20
申请号：CN201910529049.9
申请日：2019-06-19
Applicant: 上海交通大学
Abstract: 一种面向遥感技术领域两期高分辨率遥感影像变化检测方法，通过基础特征提取网络将一对待测遥感影像输入双路神经网络并分别提取出特征图，然后通过双路神经网络中的特征金字塔结构以通道数拼接的方式融合得到包含两层特征图的语义信息的特征融合图，对拼接后得到特征差异图进行影像分割后将分割结果融合得到分割轮廓结果。本发明将图像块(Patch)级相似度检测与像素(Pixel)级的多尺度分割相结合，构建双路神经网络(PPCNET,Patch-level and Pixel-level Combined Network)，融合块级与像素级的变化检测方式，提高了变化检测的精度以及检测速度，同时避免了噪声影响，适合高分辨率遥感影像的变化检测。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
