-
公开(公告)号：CN118941821A
公开(公告)日：2024-11-12
申请号：CN202410986756.1
申请日：2024-07-23
Applicant: 南京林业大学
IPC: G06V10/74 , G06V10/80 , G06V20/10 , G06V20/17 , G06V10/77 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于少样本学习的穗类作物统一计数方法，本发明涉及六个不同的作物数据集，这些作物数据集通过地面相机和无人机捕获，视觉编码器用于增强特征嵌入，基础模型用于减轻复杂背景的影响，多尺度特征交互模块用于集成相似度度量，促进不同尺度的作物特征自动学习，增强对各种尺寸和形状的作物穗的描述能力，该模型采用两阶段训练程序，初始阶段侧重于潜在特征挖掘，以捕捉谷物的通用特征，并且随后的阶段无需额外训练即可进行推理，进而从选定的样本中提取目标作物的领域特征，以实现计数操作。本发明通过少样本学习计数多种谷物穗，可以有效降低标注成本，并提高谷物产量估算的准确性，确保粮食安全。
-
公开(公告)号：CN118941821B
公开(公告)日：2025-01-28
申请号：CN202410986756.1
申请日：2024-07-23
Applicant: 南京林业大学
IPC: G06V10/74 , G06V10/80 , G06V20/10 , G06V20/17 , G06V10/77 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于少样本学习的穗类作物统一计数方法，本发明涉及六个不同的作物数据集，这些作物数据集通过地面相机和无人机捕获，视觉编码器用于增强特征嵌入，基础模型用于减轻复杂背景的影响，多尺度特征交互模块用于集成相似度度量，促进不同尺度的作物特征自动学习，增强对各种尺寸和形状的作物穗的描述能力，该模型采用两阶段训练程序，初始阶段侧重于潜在特征挖掘，以捕捉谷物的通用特征，并且随后的阶段无需额外训练即可进行推理，进而从选定的样本中提取目标作物的领域特征，以实现计数操作。本发明通过少样本学习计数多种谷物穗，可以有效降低标注成本，并提高谷物产量估算的准确性，确保粮食安全。
-
公开(公告)号：CN115937703B
公开(公告)日：2024-05-03
申请号：CN202211523308.5
申请日：2022-11-30
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于遥感图像目标检测的增强特征提取方法，涉及图像识别领域，包括以下步骤：S1、获取图片，标注数据，配置YOLOV4网络运行环境；S2、改进网络，添加新模型，划分识别区域，配置权重并选择合适的样本进入网络训练；S3、改进网络中特征识别部分，替换特征检测模块，引入新的注意力模块；S4、改进损失函数；S5、消融实验检验改进点，控制变量法检验改进网络的有效性。本发明通过改进识别网络和检测模块，引入新注意力模块和改进损失函数，解决了小目标检测精度低问题，提高了对遥感图像中小目标的检测效果，使得检测更加准确。
-
公开(公告)号：CN115937703A
公开(公告)日：2023-04-07
申请号：CN202211523308.5
申请日：2022-11-30
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于遥感图像目标检测的增强特征提取方法，涉及图像识别领域，包括以下步骤：S1、获取图片，标注数据，配置YOLOV4网络运行环境；S2、改进网络，添加新模型，划分识别区域，配置权重并选择合适的样本进入网络训练；S3、改进网络中特征识别部分，替换特征检测模块，引入新的注意力模块；S4、改进损失函数；S5、消融实验检验改进点，控制变量法检验改进网络的有效性。本发明通过改进识别网络和检测模块，引入新注意力模块和改进损失函数，解决了小目标检测精度低问题，提高了对遥感图像中小目标的检测效果，使得检测更加准确。
-
-
-
Search Results
4
records
(took 0.01 seconds)
