-
公开(公告)号：CN115965640A
公开(公告)日：2023-04-14
申请号：CN202310006762.1
申请日：2023-01-04
Applicant: 济南大学
IPC: G06T7/11 , G06T7/13 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06V20/13 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于拉普拉斯滤波器的遥感图像分割方法及系统；其中所述方法，包括：基于拉普拉斯滤波器构建边缘特征提取模块；基于通道注意力模块和空间注意力模块，构建卷积注意力模块；基于边缘特征提取模块和卷积注意力模块，构建遥感图像分割模型；构建训练集，采用训练集对遥感图像分割模型进行训练，得到训练后的遥感图像分割模型；对训练后的遥感图像分割模型，移除边缘特征提取模块和卷积注意力模块，得到语义分割模型；获取待分割的遥感图像，采用语义分割模型，对待分割的遥感图像进行处理，得到分割后的图像。本发明解决了由于遥感图像场景复杂性较高等一系列原因导致的特征提取不完整，分割精度低的问题。
-
公开(公告)号：CN119068341A
公开(公告)日：2024-12-03
申请号：CN202411269884.0
申请日：2024-09-11
Applicant: 济南大学
Abstract: 本申请公开了一种基于边缘增强网络的SAR图像目标检测优化方法。其实现方法的实现步骤为：构造边缘增强网络模块；将边缘增强网络模块引入到一般的基于卷积神经网络的物体检测模型中；划分物体检测数据集；对数据集中的图像进行预测处理；使用训练数据用物体检测模型和边缘增强网络模块进行协同训练；将验证数据送入到检测模型进行检测；得到检测结果；本发明利用构建的边缘增强网络模块和一般的基于深度卷积神经网络的物体检测模型进行协同训练，用来增强检测模型的特征提取网络来用于SAR图像物体检测，在计算代价相当的同时提高了物体检测精度。
-
公开(公告)号：CN119068355A
公开(公告)日：2024-12-03
申请号：CN202411269948.7
申请日：2024-09-11
Applicant: 济南大学
IPC: G06V20/13 , G06V20/10 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种基于分组卷积注意力网络的多尺度检测优化方法及系统。其实现方法的实现步骤为：构造分组卷积注意力网络模块；将分组卷积注意力网络模块引入到一般的基于卷积神经网络的物体检测模型中；划分物体检测数据集；对数据集中的图像进行预测处理；使用训练数据用物体检测模型和分组卷积注意力网络模块进行协同训练；将验证数据送入到检测模型进行检测；得到检测结果；本发明利用构建的分组卷积注意力网络模块和一般的基于深度卷积神经网络的物体检测模型进行协同训练，用来增强检测模型的特征提取网络来用于多尺度物体检测，在不增加计算代价的同时提高了物体检测精度。
-
公开(公告)号：CN115984712A
公开(公告)日：2023-04-18
申请号：CN202310011631.2
申请日：2023-01-05
Applicant: 济南大学
IPC: G06V20/13 , G06V10/40 , G06V10/80 , G06V10/25 , G06V10/82 , G06T5/00 , G06T5/20 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于多尺度特征的遥感图像小目标检测方法及系统；获取待检测的遥感图像；对待检测的遥感图像进行去雾处理和亮度增强处理；将亮度增强处理后的图像，输入到训练后的遥感图像小目标检测模型中，得到遥感图像的小目标检测结果；训练后的遥感图像小目标检测模型，其工作原理包括：对亮度增强处理后的遥感图像进行多尺度特征提取；对提取的多尺度特征进行特征融合和特征增强，得到特征图；对特征图中不同尺寸的感兴趣区域进行尺寸固定，得到目标的建议候选框；将提取出来的建议候选框经过非极大值抑制后，得到目标的预测边界框坐标，绘制目标所在区域的最小外接矩形，将最小外接矩形作为目标预测边界框，得到遥感图像目标的检测结果。
-
-
-
Search Results
4
records
(took 0.015 seconds)
