-
公开(公告)号：CN113128662B
公开(公告)日：2025-03-14
申请号：CN202010048134.6
申请日：2020-01-16
IPC: G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本公开涉及卷积神经网络及基于卷积神经网络的图像处理方法，卷积神经网络包括：至少一个卷积层，每个卷积层包括至少一个卷积核组，每个卷积核组包括两个以上的卷积核，每个卷积核组的各卷积核对输入的具有不同旋转角度的图像数据的相同特征进行特征提取以获得特征图，卷积核组的一个卷积核经过旋转能得到卷积核组的其他卷积核；以及至少一个池化层，每个池化层利用与卷积核组的各卷积核分别对应的池化窗口对各卷积核输出的特征图进行池化，以输出池化后的特征图，其中，通过绕与卷积核组的一个卷积核对应的池化窗口的中心而旋转该池化窗口，能得到与卷积核组中的其他卷积核对应的池化窗口。本公开的卷积神经网络自身具有旋转不变性。
-
公开(公告)号：CN113139896A
公开(公告)日：2021-07-20
申请号：CN202010052220.4
申请日：2020-01-17
Abstract: 本申请公开了一种基于超分辨重建的目标检测系统及方法。该系统包括：数据采集模块，被配置为采集待检测的图像数据；超分辨率重建模块，被配置为接收所述数据采集模块所采集的图像数据，并对所述图像数据进行超分辨率重建处理；目标检测模块，被配置为对经过超分辨率重建处理的所述图像数据进行目标检测；以及划分和融合模块，被配置为将经过目标检测的所述图像数据裁剪为多个子图像数据，并将各个所述子图像数据的检测结果映射至组合后的图像数据中以进行坐标融合，从而得到目标检测结果。
-
公开(公告)号：CN119206247A
公开(公告)日：2024-12-27
申请号：CN202411219907.7
申请日：2024-09-02
Applicant: 北京邮电大学
IPC: G06V10/44 , G06V10/46 , G06V10/75 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于深度学习的多光谱图像局部特征提取方法及系统，属于多光谱图像处理技术领域，获取待处理的一对多光谱图像；利用光谱选择网络将获取的一对多光谱图像提取浅层特征；利用特征提取网络对浅层特征进行处理，生成图中的每个像素点的特征向量；其中，在训练阶段使用提出的损失函数训练，在推理阶段根据匹配需要提取描述子；其中，采用最邻近算法对已有描述子进行粗匹配，并使用RANSAC方法进行过滤，得到最终的匹配结果。本发明根据特征自适应激活神经网络通道的光谱选择网络，可以同时接受多个来自不同光谱的图像进行训练，同时设计包含更多负样本的对比损失函数以提取多光谱图像特征。
-
公开(公告)号：CN113128662A
公开(公告)日：2021-07-16
申请号：CN202010048134.6
申请日：2020-01-16
Abstract: 本公开涉及卷积神经网络及基于卷积神经网络的图像处理方法，卷积神经网络包括：至少一个卷积层，每个卷积层包括至少一个卷积核组，每个卷积核组包括两个以上的卷积核，每个卷积核组的各卷积核对输入的具有不同旋转角度的图像数据的相同特征进行特征提取以获得特征图，卷积核组的一个卷积核经过旋转能得到卷积核组的其他卷积核；以及至少一个池化层，每个池化层利用与卷积核组的各卷积核分别对应的池化窗口对各卷积核输出的特征图进行池化，以输出池化后的特征图，其中，通过绕与卷积核组的一个卷积核对应的池化窗口的中心而旋转该池化窗口，能得到与卷积核组中的其他卷积核对应的池化窗口。本公开的卷积神经网络自身具有旋转不变性。
-
-
-
Search Results
4
records
(took 0.021 seconds)
