公开(公告)号：CN114694031B

公开(公告)日：2023-05-02

申请号：CN202210450474.0

申请日：2022-04-24

Applicant: 电子科技大学 ,  成都信息工程大学

Inventor： 李玉霞 ,  司宇 ,  何磊 ,  任俊玫 ,  龚钰姝 ,  童忠贵 ,  张靖霖

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务注意力机制的遥感图像典型地物提取方法，利用四个注意力模块从内部和外部融合全局特征，增大了模型的感受野，从而解决地物要素分布范围广、区域面积大的问题；利用多任务机制构建多解码器结构，从而降低不同地物类型对模型参数的竞争，从而较少相似地物的误判；利用边缘提取任务和距离图提取任务，增加了边缘约束，从而提升了边缘提取的效果，最终实现了对多类典型地物要素的智能提取，且提取精度较高。

公开(公告)号：CN114694031A

公开(公告)日：2022-07-01

申请号：CN202210450474.0

申请日：2022-04-24

Applicant: 电子科技大学 ,  成都信息工程大学

Inventor： 李玉霞 ,  司宇 ,  何磊 ,  任俊玫 ,  龚钰姝 ,  童忠贵 ,  张靖霖

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务注意力机制的遥感图像典型地物提取方法，利用四个注意力模块从内部和外部融合全局特征，增大了模型的感受野，从而解决地物要素分布范围广、区域面积大的问题；利用多任务机制构建多解码器结构，从而降低不同地物类型对模型参数的竞争，从而较少相似地物的误判；利用边缘提取任务和距离图提取任务，增加了边缘约束，从而提升了边缘提取的效果，最终实现了对多类典型地物要素的智能提取，且提取精度较高。

公开(公告)号：CN114898212B

公开(公告)日：2023-04-18

申请号：CN202210513448.8

申请日：2022-05-12

Applicant: 电子科技大学

Inventor： 李玉霞 ,  任俊玫 ,  司宇 ,  龚钰姝 ,  童忠贵 ,  张靖霖

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种高分辨率遥感图像多地物变化信息提取方法，利用孪生神经网络提取具有差异性的双时相影像，再利用深度监督模块有效训练中间层，从而改善模型因梯度消失造成浅层神经元无法获得有效更新，浅层特征提取效果差，最终导致变化图存在变化区域检测不完整、不连续、轮廓差的问题；利用残差注意力模块优化解码阶段模型对原始影像特征和影像差异特征的融合能力，从而缓解变化图重建过程中引入误差的问题，这样缓解噪声问题、错判问题；利用深度可分离减小网络参数量，降低模型过拟合风险，提升训练速度，同时参数量的降低有利于模型更好地学习有效特征，最终实现了对多地物变化信息的自动提取，且提取精度较高。

公开(公告)号：CN114898212A

公开(公告)日：2022-08-12

申请号：CN202210513448.8

申请日：2022-05-12

Applicant: 电子科技大学

Inventor： 李玉霞 ,  任俊玫 ,  司宇 ,  龚钰姝 ,  童忠贵 ,  张靖霖

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种高分辨率遥感图像多地物变化信息提取方法，利用孪生神经网络提取具有差异性的双时相影像，再利用深度监督模块有效训练中间层，从而改善模型因梯度消失造成浅层神经元无法获得有效更新，浅层特征提取效果差，最终导致变化图存在变化区域检测不完整、不连续、轮廓差的问题；利用残差注意力模块优化解码阶段模型对原始影像特征和影像差异特征的融合能力，从而缓解变化图重建过程中引入误差的问题，这样缓解噪声问题、错判问题；利用深度可分离减小网络参数量，降低模型过拟合风险，提升训练速度，同时参数量的降低有利于模型更好地学习有效特征，最终实现了对多地物变化信息的自动提取，且提取精度较高。