-
公开(公告)号：CN110659601A
公开(公告)日：2020-01-07
申请号：CN201910887781.3
申请日：2019-09-19
Applicant: 西安电子科技大学
Abstract: 本发明提出一种基于中心点的深度全卷积网络遥感图像密集车辆检测方法，主要解决现有遥感影像中目标小且排列密集导致检测精度低的问题。其方案为：在遥感影像目标检测数据集中获取训练集和测试集；构建中心点深度全卷积网络密集车辆目标检测模型，设定目标中心点分类任务和目标尺寸回归任务的整体损失函数；将训练集输入到构建的网络模型中进行训练，得到训练好的车辆检测模型；将测试集输入训练好的车辆目标检测模型中，预测输出目标的中心点位置和目标尺寸。本发明降低了目标尺寸对密集场景目标定位的影响，提高了遥感影像中密集车辆目标的召回率，提升了车辆目标的检测精度。可用于城市规划，车流控制，交通监管及军事侦查。
-
Patent Agency Ranking
公开(公告)号：CN110287927A
公开(公告)日：2019-09-27
申请号：CN201910583811.1
申请日：2019-07-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度多尺度和上下文学习的遥感影像目标检测方法，主要解决现有技术特征融合方式粗略，未考虑到上下文特征信息的利用，导致检测精度低的问题。其实现步骤为：在遥感影像目标检测数据集中获取训练样本和测试样本；构建多尺度和上下文特征增强的RetinaNet检测模型，设定目标分类任务和目标位置回归任务整体的损失函数；将训练样本输入到所构建的检测模型中进行训练，得到训练好的检测模型；将测试样本输入训练好的检测模型中，预测输出目标类别、目标置信度及目标位置。本发明提升了特征的表达能力，提高了遥感影像目标检测的平均精度，可用于获取一幅遥感影像里感兴趣的目标及目标的位置。
-
公开(公告)号：CN103984966A
公开(公告)日：2014-08-13
申请号：CN201410234328.X
申请日：2014-05-29
Applicant: 西安电子科技大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于稀疏表示的SAR图像自动目标识别方法，主要解决现有方法预处理复杂、方位角估计难的问题。其实现步骤为：(1)提取图像的局部特征，并通过多样性密度函数学习具有判别性的字典；(2)用字典对每个局部特征进行稀疏编码，再利用空域金字塔结构对分割的各个子区域进行空间池化，得到训练集和测试集样本各个子区域的特征向量；(3)根据测试样本各个子区域的稀疏性，对测试样本对应的子区域加权；(4)将加权后的子区域组合在一起用稀疏表示方法对图像进行识别。本发明与现有技术相比，对于遮挡和局部噪声有很强的鲁棒性，在无需方位角估计的情况下，提高了SAR目标识别的精度，可用于图像处理。
-
公开(公告)号：CN110659601B
公开(公告)日：2022-12-02
申请号：CN201910887781.3
申请日：2019-09-19
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于中心点的深度全卷积网络遥感图像密集车辆检测方法，主要解决现有遥感影像中目标小且排列密集导致检测精度低的问题。其方案为：在遥感影像目标检测数据集中获取训练集和测试集；构建中心点深度全卷积网络密集车辆目标检测模型，设定目标中心点分类任务和目标尺寸回归任务的整体损失函数；将训练集输入到构建的网络模型中进行训练，得到训练好的车辆检测模型；将测试集输入训练好的车辆目标检测模型中，预测输出目标的中心点位置和目标尺寸。本发明降低了目标尺寸对密集场景目标定位的影响，提高了遥感影像中密集车辆目标的召回率，提升了车辆目标的检测精度。可用于城市规划，车流控制，交通监管及军事侦查。
-
公开(公告)号：CN110287927B
公开(公告)日：2021-07-27
申请号：CN201910583811.1
申请日：2019-07-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度多尺度和上下文学习的遥感影像目标检测方法，主要解决现有技术特征融合方式粗略，未考虑到上下文特征信息的利用，导致检测精度低的问题。其实现步骤为：在遥感影像目标检测数据集中获取训练样本和测试样本；构建多尺度和上下文特征增强的RetinaNet检测模型，设定目标分类任务和目标位置回归任务整体的损失函数；将训练样本输入到所构建的检测模型中进行训练，得到训练好的检测模型；将测试样本输入训练好的检测模型中，预测输出目标类别、目标置信度及目标位置。本发明提升了特征的表达能力，提高了遥感影像目标检测的平均精度，可用于获取一幅遥感影像里感兴趣的目标及目标的位置。
-
公开(公告)号：CN103984966B
公开(公告)日：2017-02-15
申请号：CN201410234328.X
申请日：2014-05-29
Applicant: 西安电子科技大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于稀疏表示的SAR图像自动目标识别方法，主要解决现有方法预处理复杂、方位角估计难的问题。其实现步骤为：(1)提取图像的局部特征，并通过多样性密度函数学习具有判别性的字典；(2)用字典对每个局部特征进行稀疏编码，再利用空域金字塔结构对分割的各个子区域进行空间池化，得到训练集和测试集样本各个子区域的特征向量；(3)根据测试样本各个子区域的稀疏性，对测试样本对应的子区域加权；(4)将加权后的子区域组合在一起用稀疏表示方法对图像进行识别。本发明与现有技术相比，对于遮挡和局部噪声有很强的鲁棒性，在无需方位角估计的情况下，提高了SAR目标识别的精度，可用于图像处理。(56)对比文件田莉萍等.基于小波字典稀疏表示的ＳＡＲ图像目标识别《.雷达科学与技术》.2014,第12卷(第1期),Haicang Liu et al..Decision fusion ofsparse representation and support vectormachine for SAR image target recognition.《Neurocomputing》.2013,
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
