-
公开(公告)号：CN110245683B
公开(公告)日：2021-07-27
申请号：CN201910394582.9
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种少样本目标识别的残差关系网络构建方法及应用，包括：获取原始图像集，并将原始图像集中每张原始图像转换为多张不同分辨率的预处理图像；构建残差关系网络结构，包括特征扩展模块，用于基于每张预处理图像对应的原始图像的分辨率及该张预处理图像的分辨率，将预处理图像对应的低分辨率图像特征图扩展为高分辨率图像特征图；基于所有预处理图像，采用多类回归损失函数，训练残差关系网络结构。本发明将用于训练关系网络的训练集中的图像先进行分辨率转换，且引入特征扩展模块，能够有效适应少量且分辨率不同的图像样本集进行目标识别的实际情况，提高了少样本目标识别算法的泛化能力，降低了对图像样本分辨率的敏感性。
-
公开(公告)号：CN108764063B
公开(公告)日：2020-05-19
申请号：CN201810427107.2
申请日：2018-05-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于特征金字塔的遥感影像时敏目标识别系统及方法，该系统包括目标特征提取子网络、特征层子网络、候选区域生成子网络及分类回归子网络。目标特征提取子网络用于对待处理图像进行多层级卷积处理，并将每个层级卷积处理结果作为一个特征层输出。特征层子网络将上一特征层和当前特征层叠加处理得到当前融合特征层，最顶层融合特征层为最顶层特征层。候选区域生成子网络用于从不同层级融合特征层提取出候选区域，分类回归子网络将候选区域映射至不同层级融合特征层获得映射处理后的多个层级融合特征层，并对映射处理后的多个层级融合特征层进行目标判定输出结果。利用特征金字塔层次结构，使得所有尺度的特征都具有丰富的语义信息。
-
公开(公告)号：CN110245683A
公开(公告)日：2019-09-17
申请号：CN201910394582.9
申请日：2019-05-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种少样本目标识别的残差关系网络构建方法及应用，包括：获取原始图像集，并将原始图像集中每张原始图像转换为多张不同分辨率的预处理图像；构建残差关系网络结构，包括特征扩展模块，用于基于每张预处理图像对应的原始图像的分辨率及该张预处理图像的分辨率，将预处理图像对应的低分辨率图像特征图扩展为高分辨率图像特征图；基于所有预处理图像，采用多类回归损失函数，训练残差关系网络结构。本发明将用于训练关系网络的训练集中的图像先进行分辨率转换，且引入特征扩展模块，能够有效适应少量且分辨率不同的图像样本集进行目标识别的实际情况，提高了少样本目标识别算法的泛化能力，降低了对图像样本分辨率的敏感性。
-
公开(公告)号：CN108764063A
公开(公告)日：2018-11-06
申请号：CN201810427107.2
申请日：2018-05-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于特征金字塔的遥感影像时敏目标识别系统及方法，该系统包括目标特征提取子网络、特征层子网络、候选区域生成子网络及分类回归子网络。目标特征提取子网络用于对待处理图像进行多层级卷积处理，并将每个层级卷积处理结果作为一个特征层输出。特征层子网络将上一特征层和当前特征层叠加处理得到当前融合特征层，最顶层融合特征层为最顶层特征层。候选区域生成子网络用于从不同层级融合特征层提取出候选区域，分类回归子网络将候选区域映射至不同层级融合特征层获得映射处理后的多个层级融合特征层，并对映射处理后的多个层级融合特征层进行目标判定输出结果。利用特征金字塔层次结构，使得所有尺度的特征都具有丰富的语义信息。
-
-
-
Search Results
4
records
(took 0.016 seconds)
