-
Patent Agency Ranking
公开(公告)号：CN113642429B
公开(公告)日：2023-07-14
申请号：CN202110865502.0
申请日：2021-07-29
Applicant: 海南大学
IPC: G06V20/40 , G06V10/46 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08 , G06T7/246 , G06T7/269
Abstract: 本发明提供一种基于TPP‑TCCNN的海洋鱼类识别方法，包括下列步骤：采集包含多种鱼类的原始视频，将所述原始视频划分为训练集以及测试集，并对所述训练集的鱼类视频信息进行预处理；对预处理后的鱼类视频信息进行特征提取，获取光流图像；建立双通道卷积神经网络，以光流图像以及RGB图像输入带有金字塔池化层的双通道卷积神经网络中进行训练，获得输出特征，所述RGB图像中所包含的鱼类信息与所述原始视频中的一致；通过softmax分类模型对所述输出特征进行分类训练；将测试集中的鱼类视频信息输入到最终的softmax分类模型中，得到鱼类分类结果。
-
公开(公告)号：CN114240808B
公开(公告)日：2025-05-16
申请号：CN202111097327.1
申请日：2021-09-18
Applicant: 海南大学
Abstract: 本发明提供基于联合双边滤波和非下采样剪切波的图像融合算法，能够对来自不同传感器的遥感图像数据进行信息处理、分析，从而获得兼具不同来源的遥感图像的特征信息。处理过后的图像通常情况下比起源遥感图像的信息更丰富、更全面、更加符合人眼的视觉特性或机器的信息处理方式，以便于后续处理和更好地满足应用要求。
-
公开(公告)号：CN114240808A
公开(公告)日：2022-03-25
申请号：CN202111097327.1
申请日：2021-09-18
Applicant: 海南大学
Abstract: 本发明提供基于联合双边滤波和非下采样剪切波的图像融合算法，能够对来自不同传感器的遥感图像数据进行信息处理、分析，从而获得兼具不同来源的遥感图像的特征信息。处理过后的图像通常情况下比起源遥感图像的信息更丰富、更全面、更加符合人眼的视觉特性或机器的信息处理方式，以便于后续处理和更好地满足应用要求。
-
公开(公告)号：CN113920043A
公开(公告)日：2022-01-11
申请号：CN202111156702.5
申请日：2021-09-30
Applicant: 海南大学
Abstract: 本发明提供一种基于残差通道注意力机制的双流遥感图像融合方法，卷积神经网络分别从全色图像和低分辨率的多光谱遥感图像中提取特征，然后将它们融合形成紧凑的特征图，然后构建残差注意力网络，残差注意力网络使用注意力机制通过对特征通道之间的相互依赖关系进行建模，自适应地调整每个通道的特征，从而能够专注于更有用的通道，提高识别学习能力残差注意力网络采用多残差连接，其中长残差连接允许浅层的残差学习，长残差连接和短残差连接允许大量浅层信息通过这些基于身份的跳连接，简化了信息的流动，最终经过反卷积层以及卷积层重构后，能够生成高质量遥感图像，对遥感图像融合领域具有重要意义。
-
公开(公告)号：CN113642429A
公开(公告)日：2021-11-12
申请号：CN202110865502.0
申请日：2021-07-29
Applicant: 海南大学
Abstract: 本发明提供一种基于TPP‑TCCNN的海洋鱼类识别方法，包括下列步骤：采集包含多种鱼类的原始视频，将所述原始视频划分为训练集以及测试集，并对所述训练集的鱼类视频信息进行预处理；对预处理后的鱼类视频信息进行特征提取，获取光流图像；建立双通道卷积神经网络，以光流图像以及RGB图像输入带有金字塔池化层的双通道卷积神经网络中进行训练，获得输出特征，所述RGB图像中所包含的鱼类信息与所述原始视频中的一致；通过softmax分类模型对所述输出特征进行分类训练；将测试集中的鱼类视频信息输入到最终的softmax分类模型中，得到鱼类分类结果。
-
-
-
-
Search Results
5
records
(took 0.027 seconds)
