-
公开(公告)号：CN117746296A
公开(公告)日：2024-03-22
申请号：CN202311785475.1
申请日：2023-12-22
Applicant: 重庆邮电大学
IPC: G06V20/40 , G06V20/52 , G06V10/774 , G06N3/0985 , G06V10/82 , G06N3/0464 , G06V10/42
Abstract: 本发明涉及基于元学习的视频行为识别方法，属于计算机视觉技术领域。获取待检测的视频，输入训练后的基于元学习的视频行为识别模型，输出视频行为识别结果。该模型包括内层的域适应行为识别模型和外层的视频行为识别模型；该模型的训练过程分为预热训练和元训练，获取预热训练的样本，对视频行为识别模型进行预热训练，得到元训练集和元测试集，将其输入基于元学习的视频行为识别模型，进行元训练，通过域适应行为识别模型对源域和目标域实现域对齐，通过视频行为识别模型对样本进行视频行为识别，至损失函数收敛停止训练。本发明针对无人机视频的视频行为识别中域适应差的问题，提高模型域适应，进而提升模型的泛化性，识别结果更准确。
-
公开(公告)号：CN116758421A
公开(公告)日：2023-09-15
申请号：CN202310714600.3
申请日：2023-06-15
Applicant: 重庆邮电大学空间通信研究院
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于遥感影像智能化分析领域，具体涉及一种基于有向目标挖掘的弱监督遥感图像有向目标检测方法，所述方法包括获取待测遥感图像数据，并对待测遥感图像数据进行预处理；将预处理后的待测遥感图像数据输入到训练好的遥感图像有向目标检测模型中进行检测处理，得到目标遥感图像；本发明只需利用少量标注的水平框目标，采用弱监督方法挖掘有向目标，实现遥感图像目标检测。本发明使用的弱监督数据集不仅降低了数据标注难度并减少了所需的标注框数量，有效降低了现有遥感图像有向目标检测方法对全监督数据集的依赖，减少了人工标注成本。
-
公开(公告)号：CN115223082A
公开(公告)日：2022-10-21
申请号：CN202210844866.5
申请日：2022-07-19
Applicant: 重庆邮电大学
IPC: G06V20/40 , G06V10/764
Abstract: 本发明属于遥感影像智能化分析领域，具体涉及一种基于时空多尺度Transformer的航拍视频分类方法，包括：对航拍视频数据进行预处理，输入至训练完成的航拍视频识别模型，通过嵌入特征偏移模块和池化多头自注意力模块的多尺度时空特征提取模块，得到航拍视频图像帧的多尺度短时序时空特征，再通过空洞时间特征提取模块在时间维度上计算空洞自注意力，得到航拍视频的长时序时空特征，从而对航拍视频数据进行准确高效的识别分析。本发明通过充分挖掘航拍视频的多尺度时空信息，能够有效提升航拍视频的分类精度，并且在时间维度上实现自注意力计算的线性复杂度，从而降低了模型的运算复杂度。
-
公开(公告)号：CN116310828A
公开(公告)日：2023-06-23
申请号：CN202310289429.6
申请日：2023-03-23
Applicant: 重庆邮电大学
IPC: G06V20/10 , G06V10/82 , G06V10/80 , G06V10/42 , G06V10/44 , G06V10/764 , G06N3/0464
Abstract: 本发明涉及图像处理技术领域，特别涉及一种结合Transformer和CNN的高分辨率遥感图像变化检测方法及装置，方法包括将预处理后的双时遥感图像利用Transformer分支提取双时遥感图像的全局特征，利用卷积神经网络分支提取双时遥感图像的局部特征；将Transformer分支各个深度的特征图以及卷积神经网络分支各个深度的特征图输入自适应特征融合模块进行特征融合，得到全局‑局部特征；将全局‑局部特征输入Decoder分支进行逐层解码，将解码特征图采用分类器输出变化检测的结果；本发明可以准确地检测出双时相图像发生变化的区域，并且提取的特征能更好的表达图像信息。
-
-
-
Search Results
4
records
(took 0.012 seconds)
