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：西安交通大学
申请日：2024-03-07
公开（公告）日：2024-06-25
公开（公告）号：CN118247146A
主分类号：G06T3/4053
分类号：G06T3/4053;G06T3/4046;G06T7/11;G06T7/194;G06N3/045;G06N3/0475;G06N3/042;G06N3/094;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于专家知识监督的遥感图像超分辨率学习方法及装置。该方法针对现有超分辨率学习方法通过双三次插值制作的数据集学习无法学习到对于遥感图像实际应用中起关键作用的信息，导致模型无法应对严重退化和包含不同物体的遥感图像，超分辨率图像在实际应用中无法取得满意的效果。将专家知识纳入超分辨率模型的学习过程中，使用粗粒度注释在细粒度任务中取得了显著改进。同时，提出了区域损失、特征损失和归因性损失，从三个角度利用专家先验信息，以指导超分辨率模型实现更加精确的多尺度物体重建，尤其是小物体。该装置包括初始化模块、图像处理模块、第一计算模块、第一判断模块、第二判断模块、第二计算模块和第三判断模块。本发明可以在不增加参数和推理时间的情况下提高实际任务的性能，为资源有限的遥感边缘设备提供了一种新的解决方案。
主权项：1.基于专家知识监督的遥感图像超分辨率学习方法，其特征在于，包括以下步骤：1随机初始化网络模型参数，进行循环迭代训练；2将待处理的低分辨率遥感图像输入到初始化后的网络模型中，得到超分辨率图像；3根据专家知识对高分辨率图像进行区域分割，得到物体区域和背景区域，并计算超分辨率图像和低分辨率图像的区域损失；4判断网络模型是否为基于对抗生成的网络，如是，则根据专家知识统计感受野中的物体数量，并计算超分辨率图像和低分辨率图像的特征损失，如不是，则进入下一步；5判断当前迭代轮数是否需要进行归因损失计算，如是，则对超分辨率图像进行归因分析，并根据专家知识计算超分辨率图像和低分辨率图像的归因损失，如不是，则进入下一步；6根据区域损失、特征损失和归因损失计算网络模型的总损失，并进行反向梯度传播，优化网络参数；7判断当前迭代轮数是否达到预设最大轮数，如是，则返回优化后的网络模型，如不是，则返回步骤2继续循环迭代。
全文数据：
权利要求：
百度查询： 西安交通大学 基于专家知识监督的遥感图像超分辨率学习方法及装置
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