公开(公告)号：CN117496244A

公开(公告)日：2024-02-02

申请号：CN202311463097.5

申请日：2023-11-06

Applicant: 东北电力大学

Inventor： 王新华 ,  曹金鹏 ,  李壮 ,  蒿乾坤 ,  杨俊杰 ,  宋向阳 ,  郑慧

IPC: G06V10/764 ,  G06V20/13 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/42 ,  G06V10/80 ,  G06V10/772

Abstract: 本发明公开了一种基于感受野特性的遥感图像目标检测方法，属于遥感图像目标检测领域，与传统的自然图像数据集相比，高分辨率光学遥感图像中的物体尺寸更小，背景复杂度更高。本发明提出了一个名为YOLO‑RF的增强型网络框架，通过调整预设锚框的大小，减少小目标对于位置的偏移影响，提高检测精度，并减少不必要的候选框，从而提高模型检测效率。为了进一步提高检测精度，基于感受野特性利用CAM在不同扩张卷积速率下捕捉不同感受野的上下文信息用来丰富原有FPN的上下文信息，随即又添加额外的三层特征提取层，利用注意力机制模块学习整个特征图中的融合特征，将有用的全局信息融合到局部区域，减少语义差异，防止小目标的漏检。

公开(公告)号：CN117495718A

公开(公告)日：2024-02-02

申请号：CN202311463096.0

申请日：2023-11-06

Applicant: 东北电力大学

Inventor： 王新华 ,  蒿乾坤 ,  李壮 ,  曹金鹏 ,  宋向阳 ,  杨俊杰 ,  郑慧

IPC: G06T5/73 ,  G06V20/13 ,  G06V10/774

Abstract: 本发明是一种基于深度学习多尺度自适应的遥感图像去雾方法。该方法旨在从经过大气散射后的模糊遥感图像中恢复出清晰的图像细节和场景信息。所提出的方法利用膨胀卷积操作进行多尺度特征提取，获取更全面的特征信息，并引入自适应注意机制，对不同尺度的重要信息进行高效提取，从而实现了更高质量的遥感图像去雾效果。本专利的方法能够有效还原遥感图像的细节和场景信息，具有较强的鲁棒性和泛化能力，适用于不同场景的遥感图像。本专利的技术贡献不仅可以应用于遥感图像去雾领域，还为下游遥感图像目标检测与遥感图像目标识别等图像处理任务提供有力的支撑。