-
公开(公告)号：CN111127512A
公开(公告)日：2020-05-08
申请号：CN201911200955.0
申请日：2019-11-29
Applicant: 昆明理工大学
IPC: G06T7/246
Abstract: 本发明涉及一种用于检测和跟踪全日面图像中太阳活动区的方法，属于天文技术和计算机视觉领域。本发明在太阳活动区检测阶段，基于深度学习的检测方法较好地解决了传统方法中一个太阳活动区被误检测为多个，或者多个太阳活动区被误检测为一个活动区的问题。在跟踪阶段，本发明将DeepSort和纬向较差自转相结合，根据太阳活动区的演化特性设计了特征提取网络，有效地提高了太阳活动区的跟踪性能。本发明还可以较好地检测和跟踪不同望远镜、不同时间间隔的序列图像中的太阳活动区。
-
公开(公告)号：CN110851627B
公开(公告)日：2022-06-07
申请号：CN201910903988.5
申请日：2019-09-24
Applicant: 昆明理工大学
IPC: G06F16/51 , G06F16/583 , G06F16/55 , G06V10/25 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种用于描述全日面图像中太阳黑子群的方法，属于计算机视觉和自然语言处理领域。本发明通过制作一个太阳黑子群图像和描述文本的数据集，先将原始图像送入改进的VGG‑16网络生成特征图，再将输出的特征图送入定位层，通过改进的Inception‑RPN生成候选区域，最终处理成固定大小的区域特征，这些区域特征经过识别网络后，被处理成一维大小的可供LSTM处理的向量，最终生成描述语句；相比传统的方法，本发明能获得更加精确的候选区域，从而提高了整个网络的描述质量。
-
公开(公告)号：CN110851627A
公开(公告)日：2020-02-28
申请号：CN201910903988.5
申请日：2019-09-24
Applicant: 昆明理工大学
Abstract: 本发明涉及一种用于描述全日面图像中太阳黑子群的方法，属于计算机视觉和自然语言处理领域。本发明通过制作一个太阳黑子群图像和描述文本的数据集，先将原始图像送入改进的VGG-16网络生成特征图，再将输出的特征图送入定位层，通过改进的Inception-RPN生成候选区域，最终处理成固定大小的区域特征，这些区域特征经过识别网络后，被处理成一维大小的可供LSTM处理的向量，最终生成描述语句；相比传统的方法，本发明能获得更加精确的候选区域，从而提高了整个网络的描述质量。
-
公开(公告)号：CN111127512B
公开(公告)日：2022-06-07
申请号：CN201911200955.0
申请日：2019-11-29
Applicant: 昆明理工大学
IPC: G06T7/246
Abstract: 本发明涉及一种用于检测和跟踪全日面图像中太阳活动区的方法，属于天文技术和计算机视觉领域。本发明在太阳活动区检测阶段，基于深度学习的检测方法较好地解决了传统方法中一个太阳活动区被误检测为多个，或者多个太阳活动区被误检测为一个活动区的问题。在跟踪阶段，本发明将DeepSort和纬向较差自转相结合，根据太阳活动区的演化特性设计了特征提取网络，有效地提高了太阳活动区的跟踪性能。本发明还可以较好地检测和跟踪不同望远镜、不同时间间隔的序列图像中的太阳活动区。
-
-
-
Search Results
4
records
(took 0.019 seconds)
