-
公开(公告)号：CN114419464A
公开(公告)日：2022-04-29
申请号：CN202210315345.0
申请日：2022-03-29
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于深度学习的孪生网络变化检测模型，包括用于获取差异图像的双分支计算模型，所述的双分支计算模型包括孪生网络、第二分支卷积网络和上采样卷积网络，所述的孪生网络用于分别提取两个时相的时相特征图，第二分支卷积网络用于根据两个时相特征图及两个时相特征图的差值特征图计算差异特征图，所述的上采样卷积网络用于将差异特征图进行上采样和/或反卷积操作得到差异图像。本发明对ResNet18模型进行改造建立孪生网络ResAtNet用于变化检测场景，通过双分支差异特征图生成方法提高差异特征提取能力，模型可以适用于目标学习高维变化特征，无需专家知识选择合适的特征表达，自适应多种变化场景，对比其他现有模型，具有明显的精度优势。
-
公开(公告)号：CN114419464B
公开(公告)日：2022-07-26
申请号：CN202210315345.0
申请日：2022-03-29
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于深度学习的孪生网络变化检测模型，包括用于获取差异图像的双分支计算模型，所述的双分支计算模型包括孪生网络、第二分支卷积网络和上采样卷积网络，所述的孪生网络用于分别提取两个时相的时相特征图，第二分支卷积网络用于根据两个时相特征图及两个时相特征图的差值特征图计算差异特征图，所述的上采样卷积网络用于将差异特征图进行上采样和/或反卷积操作得到差异图像。本发明对ResNet18模型进行改造建立孪生网络ResAtNet用于变化检测场景，通过双分支差异特征图生成方法提高差异特征提取能力，模型可以适用于目标学习高维变化特征，无需专家知识选择合适的特征表达，自适应多种变化场景，对比其他现有模型，具有明显的精度优势。
-
公开(公告)号：CN115330720A
公开(公告)日：2022-11-11
申请号：CN202210973707.5
申请日：2022-08-15
Applicant: 南湖实验室
Abstract: 本发明公开了一种无人机影像地表固废检测模型及检测方法，包括：S1.对输入图像进行多次特征提取依次得到多层特征；S2.对S1的最深层特征进行不对称分解并将其输出作为恢复的最深层特征；S3.对上一层特征进行通道注意力处理，对上一层特征及恢复的下一层特征进行语义流对齐处理，随后将通道注意力处理的输出与语义流对齐处理的输出叠加输出得到恢复的上一层特征；对各层特征逐层进行以上处理直至恢复至第一层特征；S4.对恢复的第一层特征进行反卷积处理；S5.基于步骤S4恢复的特征输出预测结果。本方案能够加强模型的特征提取能力，实现更有效的信息提取和传递，有效优化分辨率恢复过程中导致的边缘语义不对齐问题。
-
-
Search Results
3
records
(took 0.021 seconds)
