-
Patent Agency Ranking
公开(公告)号：CN112017178A
公开(公告)日：2020-12-01
申请号：CN202010936212.6
申请日：2020-09-08
Applicant: 重庆市地理信息和遥感应用中心
IPC: G06T7/00
Abstract: 本发明公开了一种基于双时相差值图像法的遥感图像区域变化检测方法，包括步骤：构建包括差值图像生成模块、特征提取网络、提案区生成网络、对齐层与变化区域检测模块的卷积神经网络模型，输入训练样本数据，初始化并采用端到端的方式训练卷积神经网络模型；输入待检测遥感图像，获得变化区域检测结果。其显著效果是：有效解决了出现错误变化、伪变化的问题；减少了池化带来的特征不重合，能够大大地提高了检测精度和kappa系数。
-
公开(公告)号：CN113239786A
公开(公告)日：2021-08-10
申请号：CN202110510217.7
申请日：2021-05-11
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于增强学习与特征变换的遥感图像乡村别墅识别方法，包括步骤：对样本集中的遥感影像进行处理，制作训练样本；搭建乡村别墅识别与提取网络模型；将训练样本输入所述乡村别墅识别与提取网络模型，得到训练后的识别与提取网络模型；将待识别的遥感影像输入训练后的识别与提取网络模型，并将其输出的数据与待识别的遥感影像进行叠加，获得乡村别墅识别与提取结果。其显著效果是：将深度特征提取、特征金字塔网络、编码—解码转换机制、目标候选区生成、目标检测与分割过程都融入到一个端到端的深度网络模型中，对于遥感图像乡村别墅识别与提取，具有良好的识别与提取效果。
-
公开(公告)号：CN112016512A
公开(公告)日：2020-12-01
申请号：CN202010934966.8
申请日：2020-09-08
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于反馈式多尺度训练的遥感图像小目标检测方法，包括步骤：搭建由检测模块和反馈多尺度训练模块构成的反馈式多尺度卷积神经网络，输入原始图像数据采用端到端的方式对其进行训练；所述反馈多尺度训练模块根据检测模块输出的当前迭代过程的损失计算小目标的比例值；计算所得小目标的比例值与预设阈值进行比较，当小于预设阈值时，使用拼接图像数据作为下一次迭代的输入，否则使用原始图像数据作为输入；获得已训练好的反馈式多尺度卷积神经网络，输入待检测遥感图像，输出识别结果。增强了遥感图像中小目标的检测能力，抑制了过拟合现象和类别不均衡现象，对于遥感图像中的小目标检测具有更好的效果和鲁棒性。
-
公开(公告)号：CN113239786B
公开(公告)日：2022-09-30
申请号：CN202110510217.7
申请日：2021-05-11
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于增强学习与特征变换的遥感图像乡村别墅识别方法，包括步骤：对样本集中的遥感影像进行处理，制作训练样本；搭建乡村别墅识别与提取网络模型；将训练样本输入所述乡村别墅识别与提取网络模型，得到训练后的识别与提取网络模型；将待识别的遥感影像输入训练后的识别与提取网络模型，并将其输出的数据与待识别的遥感影像进行叠加，获得乡村别墅识别与提取结果。其显著效果是：将深度特征提取、特征金字塔网络、编码—解码转换机制、目标候选区生成、目标检测与分割过程都融入到一个端到端的深度网络模型中，对于遥感图像乡村别墅识别与提取，具有良好的识别与提取效果。
-
公开(公告)号：CN112016511A
公开(公告)日：2020-12-01
申请号：CN202010934958.3
申请日：2020-09-08
Applicant: 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了一种基于大尺度深度卷积神经网络的遥感图像蓝顶房检测方法，包括步骤：获取训练数据集并进行标注；构建包含特征提取网络、上下文增强模块、目标区域生成网络、空间注意模块、池化层、目标检测模块的网络模型；输入标注后的训练数据集训练网络模型；将待检测的遥感图像输入已训练好的网络模型，得到蓝顶房的检测结果。其显著效果是：通过将深度特征提取、目标候选区生成、锚框生成、上下文增强、空间注意力机制、目标检测过程都融入到一个端到端的深度网络模型中，对于多尺度的遥感图像蓝顶房的检测，能够达到良好的检测效果。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
