公开(公告)号：CN117934857A

公开(公告)日：2024-04-26

申请号：CN202410150217.4

申请日：2024-02-02

Applicant: 东北石油大学

Inventor： 葛延良 ,  朱洪飞 ,  毕洪波 ,  任军超 ,  张乔 ,  贺敏

IPC: G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/20

Abstract: 本发明公开了一种光学遥感图像显著物体检测方法，涉及深度学习图像显著性物体检测领域领域，为了克服遥感图像显著性物体检测网络精度不足的问题，本发明采取的技术方案主要包括以下步骤：S1：获取待检测图片；S2：利用ResNet‑50卷积神经网络作为解码器提取遥感图像特征。在编码时，抛弃ResNet‑50的第一层特征，整合了包含丰富语义信息的高级特征，并将后两层深层特征信息输送到多分支视野增强模块中以提升感受野，在进行解码细化前通过全局语义互补模块增强该网络提取全局语义信息的能力，在解码过程中，通过通道孪生交互模块重构输入特征，建立浅层特征、全局语义互补特征和深层特征之间的联系，获取完整的预测结果，从而更精确的检测出遥感图像显著物体。

公开(公告)号：CN117746466A

公开(公告)日：2024-03-22

申请号：CN202410018455.X

申请日：2024-01-05

Applicant: 东北石油大学

Inventor： 葛延良 ,  任军超 ,  李柏尧 ,  朱洪飞 ,  毕洪波 ,  王秀芳

IPC: G06V40/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于多元感知和迭代细化的海洋动物图像检测方法，属于深度学习图像检测技术领域，为了解决现有的遥感图像目标检测方法在复杂海洋背景下对海洋动物检测精度不足问题；本发明首先在特征提取时，通过利用PVT网络作为骨干提取特征，以较低的记忆成本和全面的了解实现海洋动物的特征获取；在感知阶段，本发明采用多元特征感知策略，通过多元特征信息流建模，旨在获得丰富的上下文信息；在迭代细化过程中，本发明集成建模后的最后三层特征信息以指导当前建模的特征，并通过迭代机制完成对海洋动物的精准检测，极大的保证了对于海洋动物图像检测结果的精准性。