-
公开(公告)号:CN113269054A
公开(公告)日:2021-08-17
申请号:CN202110485470.1
申请日:2021-04-30
Applicant: 重庆邮电大学
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2D卷积神经网络的航拍视频分析方法,该方法包括实时获取航拍视频数据,对获取的航拍视频数据进行预处理;将预处理后的航拍视频数据输入到训练好的航拍视频识别模型中进行识别分析处理;对识别结果进行统计分析;所述航拍视频识别模型包括2D卷积神经网络、长时序特征提取模块LTFE、短期运动特征提取模块SMFE以及特征融合模块FFM,所述长时序特征提取模块LTFE、短期运动特征提取模块SMFE和特征融合模块FFM设置在2D卷积神经网络中;本发明采用改进的2D卷积神经网络模型并结合长时序特征提取模块、短期运动特征提取模块和特征融合模块,提高了计算效率以及航拍视频的识别准确率。
-
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:CN113269054B
公开(公告)日:2022-06-10
申请号:CN202110485470.1
申请日:2021-04-30
Applicant: 重庆邮电大学
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2D卷积神经网络的航拍视频分析方法,该方法包括实时获取航拍视频数据,对获取的航拍视频数据进行预处理;将预处理后的航拍视频数据输入到训练好的航拍视频识别模型中进行识别分析处理;对识别结果进行统计分析;所述航拍视频识别模型包括2D卷积神经网络、长时序特征提取模块LTFE、短期运动特征提取模块SMFE以及特征融合模块FFM,所述长时序特征提取模块LTFE、短期运动特征提取模块SMFE和特征融合模块FFM设置在2D卷积神经网络中;本发明采用改进的2D卷积神经网络模型并结合长时序特征提取模块、短期运动特征提取模块和特征融合模块,提高了计算效率以及航拍视频的识别准确率。
-
-