-
公开(公告)号：CN111723732B
公开(公告)日：2023-08-11
申请号：CN202010560584.3
申请日：2020-06-18
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/26 , G06V10/58 , G06V10/62 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种光学遥感图像变化检测方法、存储介质及计算设备，将光学遥感图像数据集生成训练集和测试集，并扩充数据集；构建两个网络结构相同、参数共享的编码器网络作为提取多级特征的孪生神经网络；计算多尺度差异特征并搭建解码器网络；搭建子网络；利用扩充后的数据训练网络；将测试图像输入网络，在解码器的一端得到网络输出预测结果，根据预测结果进行检测，对预测结果的所有元素设置阈值，将预测结果中的每个元素与阈值进行比较，若元素值大于阈值，则归为变化类，若元素值小于阈值，则归为不变化类。本发明实现在较少样本的情况下学习数据集特征，能够对同一区域不同时相的光学遥感图像中变化和未变化区域有较好的预测能力。
-
公开(公告)号：CN114565639B
公开(公告)日：2024-09-24
申请号：CN202210158946.5
申请日：2022-02-21
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于复合卷积网络的目标跟踪方法及系统，构建孪生复合卷积特征提取子网络Siam‑Co‑CNNs；将Siam‑Co‑CNNs提取的模板分支与检测分支的特征图输入区域提案子网络中，组成基于复合卷积网络的目标跟踪网络；使用训练数据集中的视频帧序列，对基于复合卷积网络的目标跟踪网络进行离线预训练；将测试视频转化为图像帧输入系统，并在第一帧上标注上待跟踪目标，进行在线跟踪，得到并输出目标跟踪结果。实验证明，本发明所提出的目标跟踪方法能够提高目标跟踪的准确率和成功率。
-
公开(公告)号：CN114565639A
公开(公告)日：2022-05-31
申请号：CN202210158946.5
申请日：2022-02-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于复合卷积网络的目标跟踪方法及系统，构建孪生复合卷积特征提取子网络Siam‑Co‑CNNs；将Siam‑Co‑CNNs提取的模板分支与检测分支的特征图输入区域提案子网络中，组成基于复合卷积网络的目标跟踪网络；使用训练数据集中的视频帧序列，对基于复合卷积网络的目标跟踪网络进行离线预训练；将测试视频转化为图像帧输入系统，并在第一帧上标注上待跟踪目标，进行在线跟踪，得到并输出目标跟踪结果。实验证明，本发明所提出的目标跟踪方法能够提高目标跟踪的准确率和成功率。
-
公开(公告)号：CN111723732A
公开(公告)日：2020-09-29
申请号：CN202010560584.3
申请日：2020-06-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种光学遥感图像变化检测方法、存储介质及计算设备，将光学遥感图像数据集生成训练集和测试集，并扩充数据集；构建两个网络结构相同、参数共享的编码器网络作为提取多级特征的孪生神经网络；计算多尺度差异特征并搭建解码器网络；搭建子网络；利用扩充后的数据训练网络；将测试图像输入网络，在解码器的一端得到网络输出预测结果，根据预测结果进行检测，对预测结果的所有元素设置阈值，将预测结果中的每个元素与阈值进行比较，若元素值大于阈值，则归为变化类，若元素值小于阈值，则归为不变化类。本发明实现在较少样本的情况下学习数据集特征，能够对同一区域不同时相的光学遥感图像中变化和未变化区域有较好的预测能力。
-
-
-
Search Results
4
records
(took 0.03 seconds)
