龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：杭州电子科技大学丽水研究院
申请日：2024-03-27
公开（公告）日：2024-06-14
公开（公告）号：CN118196388A
主分类号：G06V10/25
分类号：G06V10/25;G06V10/44;G06V10/52;G06V10/80;G06V10/82;G06V20/10;G06N3/0455;G06N3/0495;G06N3/0464;G06N3/084;G06N3/0985
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种基于卷积的轻量级遥感图像显著目标检测方法，通过使用经过轻量化修改后的卷积神经网络，降低参数和计算复杂度，提高网络的推理速度；通过使用增强模块分别在空间和通道维度上对编码器特征进行增强，使其包含更准确信息；通过解码器模块逐步融合增强后特征，恢复特征图尺度，得到最终预测图。本发明模型拥有更小的参数量和计算复杂度，降低了对计算资源的需求，加快了推理速度，可以满足在边缘设备上进行实时运行的需求，生成的遥感图像显著性预测图更加准确。
主权项：1.一种基于卷积的轻量级遥感图像显著目标检测方法，其特征在于，包括步骤如下：步骤1、数据集的预处理；对遥感图像数据集EORSSD和ORSSD的训练集图片进行缩放和数据增强，对测试集图片进行缩放；步骤2、构建光学遥感图像显著性目标检测网络；所述的光学遥感图像显著性目标检测网络采用了经典的U型网络架构，包括编码器、增强模块和解码器三部分；将修改后的卷积神经网络ResNet-34作为编码器从遥感图片中提取多尺度特征信息，将五层编码器信息送入增强模块进行特征的处理和增强；最后在解码器中使用不对称卷积和双线性插值上采样操作来对增强后的特征图进行融合和图像尺寸的逐步恢复，并使用Sigmoid激活函数生成最终的预测图；步骤3、训练网络；将经过数据增强后的训练集图像输入光学遥感图像显著目标检测网络中，经过编码器、增强模块和解码器三部分，生成与输入图像同尺寸的预测图；再使用像素位置感知损失函数进行损失的计算，最终进行反向传播，通过Adam优化器对模型参数和权重进行优化；训练多轮后得到最终的光学遥感图像显著目标检测网络模型；步骤4、测试；将经过预处理的测试集图像输入到训练好的网络模型中，得到预测图，并与真值进行比较，计算各项评价指标。
全文数据：
权利要求：
百度查询： 杭州电子科技大学丽水研究院 一种基于卷积的轻量级遥感图像显著目标检测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号