申请/专利权人:安徽大学
申请日:2023-09-14
公开(公告)日:2024-03-19
公开(公告)号:CN117726949A
主分类号:G06V20/13
分类号:G06V20/13;G06V10/25;G06V10/44;G06V10/764;G06V10/80;G06V10/82;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明提供基于场景信息解耦引导的极小物体检测方法及系统,方法包括获取大规模高空遥感卫星图像解耦的场景上下文信息;将解耦后的特征图送入前景增强模块中,以产生增强前景特征图;将获取的前景特征图与主干网络提取的特征图送入场景信息融合模块;通过对融合的特征图进行上采样,得到对极小目标的检测。本发明解决了在大规模高空遥感卫星图中对于密集极小目标的场景下,存在的误检率高、目标分类错误和运动轨迹偏差的技术问题。
主权项:1.基于场景信息解耦引导的极小物体检测方法,其特征在于,所述方法包括:S1、获取并利用语义信息引导网络SIGNet,解耦处理大规模高空遥感卫星图像,以得到场景解耦特征图;S2、构建前景增强模块FEM,将所述场景解耦特征图送入所述前景增强模块FEM中,以得到前景蒙版和背景蒙版,据以生成增强前景特征图;S3、获取主干网络深层特征,将所述增强前景特征图、所述主干网络深层特征图送入场景信息融合模块SIF,以得到融合特征图;S4、上采样处理所述融合特征图,据以检测所述大规模高空遥感卫星图像中的小目标。
全文数据:
权利要求:
百度查询: 安徽大学 基于场景信息解耦引导的极小物体检测方法及系统
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。