申请/专利权人：西北大学

申请日：2024-01-16

公开（公告）日：2024-04-02

公开（公告）号：CN117809199A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/26;G06V10/42;G06V10/44;G06V10/80;G06V10/82;G06N3/0455;G06N3/0464;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于卷积和Transformer协同合作的遥感图像云检测方法及其系统，属于计算机视觉领域，包括以下步骤：通过Conv2D‑BN‑ReLU层提取预处理图像的底层特征；在CNN流中依次通过MS‑FPM模块和MRFM模块，提取预处理图像得到密集像素特征Fc；将密集像素特征Fc输入至Transformer流，通过IIM模块调整密集像素特征Fc的通道维数，将调整后的密集像素特征Fc与底层特征融合，然后通过多个SwinTransformer模块得到密集像素特征Ft；先融合密集像素特征Fi和密集像素特征Ft，然后依次融合多个局部特征，在每个融合过程后进行上采样，并结合监督信息最后得到语义分割结果。本发明能够解决现有技术局限于单一进行局部信息捕捉或者全局信息捕捉的问题。

主权项：1.基于卷积和Transformer协同合作的遥感图像云检测方法，其特征在于，包括以下步骤：输入预处理图像至CNN流和Transformer流；在CNN流和Transformer流中，分别通过Conv2D-BN-ReLU层提取所述预处理图像的底层特征，然后在CNN流中所述底层特征通过最大池化得到第一局部特征；然后在CNN流中，依次通过Stage2、Stage3、Stage4、Stage5和MRFM模块，提取所述预处理图像，得到密集像素特征Fc；所述Stage2产生第二局部特征，所述Stage3产生第三局部特征，所述Stage4产生第四局部特征，所述Stage5输出特征图至MRFM模块，所述Stage2、Stage3、Stage4和Stage5分别包括MS-FPM模块；将所述密集像素特征Fc输入至Transformer流，构建IIM模块，通过IIM模块调整所述密集像素特征Fc的通道维数，然后将所述调整后的密集像素特征Fc与所述底层特征融合得到融合特征为Transformer流提供先验信息；在Transformer流中，所述融合特征依次通过第一SwinTransformer模块、第二SwinTransformer模块、第三SwinTransformer模块和第四SwinTransformer模块，得到密集像素特征Ft；采用跳跃连接机制先融合密集像素特征Fc和密集像素特征Ft，然后依次融合第四局部特征、第三局部特征、第二局部特征和第一局部特征，在上述每个融合过程后进行上采样；针对所述每个融合过程，获取监督信息并进行整体监督训练后反向传播，最后在所述融合第一局部特征后进行上采样之后，结合对应监督信息，得到语义分割结果。

全文数据：

权利要求：

百度查询： 西北大学 基于卷积和Transformer协同合作的遥感图像云检测方法及其系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD