一种基于对抗学习与对比学习的无人机遥感视频盲去运动模糊方法

    公开(公告)号:CN116012739A

    公开(公告)日:2023-04-25

    申请号:CN202310050734.X

    申请日:2023-02-01

    Applicant: 湖南大学

    Abstract: 本发明提供一种基于对抗学习与对比学习的无人机遥感视频盲去运动模糊方法,其特征模型ALCLDeblur包括1个带有CAM注意力机制的生成器,1个带有CAM注意力机制的判别器,1个配准器。方法包括:采集数据,构建多组无人机遥感图像的模糊图像‑清晰图像对(x,y),形成训练数据集;训练模型,根据训练数据集训练特征模型ALCLDeblur;测试模型,将待处理的无人机遥感视频的模糊图像输入训练好的生成器得到对应的去模糊图像。生成器包括生成器CAM注意力层,判别器包括判别器CAM注意力层,主要解决在生成去模糊图像时聚焦不准、生成质量差的问题。配准器提取图像的形状与色域分布信息,得到生成图像与原图的差异,指导生成器在生成过程中保留图像的空间与色域信息,提高生成图像质量。最后通过生成对抗损失、配准器对比损失以及身份内容损失来优化网络模型。

    一种基于多尺度特征选择性融合的指代分割方法

    公开(公告)号:CN116152265A

    公开(公告)日:2023-05-23

    申请号:CN202310012997.1

    申请日:2023-01-05

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于多尺度特征选择性融合的指代分割方法,考虑到在指代分割的实际应用中,多模态特征之间的难对齐、难充分交互以及背景特征难抑制的问题没有得到有效解决,造成定位不准和模型精度降低的问题,本发明设计了基于文本引导的融合模块,对解码器的浅层到深层进行多尺度特征选择,初步选择出符合文本内容的特征,通过二次选择机制进一步筛选出只包含目标的视觉特征,并且在此基础上我们设计了注意力对比损失函数,它可以有效地抑制背景特征,提高模型精度,通过后处理分割模块,根据图像分割特性,使用不同的采样率对模型进行全局建模,分割得到最终结果,通过基准数据集的验证,本发明能够较大程度提高分割精度。

Patent Agency Ranking