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
申请日：2024-02-27
公开（公告）日：2024-06-25
公开（公告）号：CN118247676A
主分类号：G06V20/13
分类号：G06V20/13;G06V20/17;G06V10/82;G06V10/44;G06V10/764;G06V10/774
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密集划分策略的交叉视角地理定位方法及系统。本发明构建的地理定位网络模型包含无人机分支和卫星图分支，两个分支采用共享权重的学习方式，每个分支包括特征提取部分、特征划分处理部分和分类监督部分。网络初始输入为给定图像X，根据图像视角类型选择进入对应分支；给定图像X通过骨干网络进行特征提取，获得高维特征；采用密集划分策略对高维特征图进行划分得到分区块；然后对分区块进行平均池化操作，得到压缩特征；利用分类器模块对每个压缩特征预测地理标签，并利用交叉熵损失计算差异，从而优化网络模型。本发明从局部和全局两个层面增强算法对图像中物体尺寸和位置偏移的鲁棒性，提高了多视角图像匹配的准确性。
主权项：1.基于密集划分策略的交叉视角地理定位方法，其特征在于包括如下步骤：步骤1：数据集制作，建立网络训练需要的图像数据集；步骤2：构建基于密集划分策略的交叉视角地理定位网络模型；地理定位网络模型包含无人机分支和卫星图分支，两个分支采用共享权重的学习方式，每个分支都由三个部分组成：特征提取部分、特征划分处理部分和分类监督部分；特征提取部分：采用SwinV2作为骨干网络来提取视觉特征，并采用基于ImageNet-21K数据集训练的参数作为骨干网络的预训练权重；特征划分处理部分：设计密集划分策略对高维特征图fi进行划分，得到N个具有不同形状的划分块：首先将高维特征图fi由中心至外切片成四个不重叠的环形区域，将环形区域分别定义为基础分区块P1、P2、P3和P4；其次通过密集组合基础分区块，得到N个具有不同形状的分区块；然后用平均池化层压缩分区块的空间维度，得到压缩特征；分类监督部分：将每个压缩特征送入分类器模块，预测每个压缩特征的地理标签，并利用交叉熵损失来计算输出结果与真实标签的差异；通过最小化交叉熵损失数值来优化算法，提高多视角图像匹配的准确率；步骤3：经过训练的神经网络模型接收需要定位的无人机视角图像，为其匹配对应的卫星图像。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 基于密集划分策略的交叉视角地理定位方法及系统
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