申请/专利权人:上海海洋大学
申请日:2023-12-15
公开(公告)日:2024-05-03
公开(公告)号:CN117975284A
主分类号:G06V20/13
分类号:G06V20/13;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本发明公开了一种集成Swintransformer和CNN的云检测方法,属于遥感图像云层检测技术领域。包括:从云层检测数据集中获取图像数据;构建基于深度学习的云层检测网络,并进行训练和测试;将待检测的图片输入训练好的所述基于深度学习的云层检测网络,输出云层检测结果。本发明引入Swintransformer来获取云层全局信息,保留的细节信息更加完整;设计可变形特征提取模块,从不同尺度自适应获取云层的不规则形状来提取云层的多尺度特征并进行融合,提升云层检测效果;同时利用残差融合模块重建Swintransformer过程中破坏的空间结构,更好的保留云层提取过程中的细节信息。
主权项:1.一种集成Swintransformer和CNN的云检测方法,其特征在于,包括如下步骤:1从云层检测数据集中获取图像数据,进行处理后划分为训练集和测试集;2构建基于深度学习的云层检测网络,所述基于深度学习的云层检测网络由一个编码器和一个解码器组成,在所述编码器和解码器之间设计了可变形特征提取模块DFM,以自适应地捕捉和增强不规则云信息;同时使用残差融合模块RFM来加强局部细节信息并重构空间结构;3使用所述训练集和测试集对所述基于深度学习的云层检测网络进行训练和测试;4将待检测的图片输入训练好的所述基于深度学习的云层检测网络,输出云层检测结果。
全文数据:
权利要求:
百度查询: 上海海洋大学 一种集成Swin transformer和CNN网络的云层检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。