国产精品天干天干在线播放,大尺度揉捏胸床戏视频,樱花草www日本在线观看,狠狠躁夜夜躁人人爽天天天天97

Document
拖動滑塊完成拼圖
個人中心

預(yù)訂訂單
服務(wù)訂單
發(fā)布專利 發(fā)布成果 人才入駐 發(fā)布商標(biāo) 發(fā)布需求

在線咨詢

聯(lián)系我們

龍圖騰公眾號
首頁 專利交易 IP管家助手 科技果 科技人才 科技服務(wù) 國際服務(wù) 商標(biāo)交易 會員權(quán)益 需求市場 關(guān)于龍圖騰
 /  免費注冊
到頂部 到底部
清空 搜索
當(dāng)前位置 : 首頁 > 專利喜報 > 安徽理工大學(xué)蘇樹智獲國家專利權(quán)

安徽理工大學(xué)蘇樹智獲國家專利權(quán)

買專利賣專利找龍圖騰,真高效! 查專利查商標(biāo)用IPTOP,全免費!專利年費監(jiān)控用IP管家,真方便!

龍圖騰網(wǎng)獲悉安徽理工大學(xué)申請的專利基于語義融合和框?qū)R的光學(xué)遙感圖像高密度前景目標(biāo)檢測方法獲國家發(fā)明授權(quán)專利權(quán),本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予,授權(quán)公告號為:CN116883860B

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專利申請?zhí)?專利號為:202310863447.0,技術(shù)領(lǐng)域涉及:G06V20/13;該發(fā)明授權(quán)基于語義融合和框?qū)R的光學(xué)遙感圖像高密度前景目標(biāo)檢測方法是由蘇樹智;徐陽;唐澤方;朱彥敏設(shè)計研發(fā)完成,并于2023-07-13向國家知識產(chǎn)權(quán)局提交的專利申請。

基于語義融合和框?qū)R的光學(xué)遙感圖像高密度前景目標(biāo)檢測方法在說明書摘要公布了:本發(fā)明公布一種基于語義融合和框?qū)R的光學(xué)遙感圖像高密度前景目標(biāo)檢測方法。本方法的執(zhí)行步驟為:1對數(shù)據(jù)進(jìn)行預(yù)處理;2使用主干網(wǎng)絡(luò)進(jìn)行特征提取;3將提取的特征輸入到預(yù)測網(wǎng)絡(luò),生成預(yù)測結(jié)果;4判斷是否為訓(xùn)練模式;5訓(xùn)練模式下模型將計算訓(xùn)練損失并優(yōu)化網(wǎng)絡(luò)參數(shù);6非訓(xùn)練模式下則輸出預(yù)測結(jié)果。本方法包含兩個能夠有效區(qū)分內(nèi)部紋理特征的特征重識別卷積模塊,提高小目標(biāo)的精度,同時還提出一種輔助點平衡IoUABIoU損失,ABIoU損失不僅能夠避免單對點回歸中距離項的局部最優(yōu)解,還能夠避免局部縱橫比的IoU損失不收斂,實現(xiàn)損失值的穩(wěn)定性和邊長的直接測量,從而減小復(fù)雜紋理特征環(huán)境下目標(biāo)誤檢、漏檢問題。

本發(fā)明授權(quán)基于語義融合和框?qū)R的光學(xué)遙感圖像高密度前景目標(biāo)檢測方法在權(quán)利要求書中公布了:1.一種基于語義融合和框?qū)R的光學(xué)遙感圖像高密度前景目標(biāo)檢測方法,其特征在于,所述方法包括:步驟1,對數(shù)據(jù)集中的圖片進(jìn)行規(guī)格統(tǒng)一,將其尺寸設(shè)置為512×512,隨機(jī)使用標(biāo)準(zhǔn)的水平翻轉(zhuǎn)和四圖像拼接方法進(jìn)行數(shù)據(jù)增強(qiáng);步驟2,使用主干特征提取網(wǎng)絡(luò)進(jìn)行特征提取;步驟3,將特征金字塔最頂層的特征信息輸入到ASPPL模塊,獲得新的多通道的特征層,接著使用1×1的卷積層改變通道數(shù),ASPPL模塊為ASPP加長模塊;步驟4,將步驟3得到的特征圖經(jīng)過IR-SimAM模塊處理,并進(jìn)行上采樣操作,然后將上采樣后的特征圖和處理后的特征圖使用concat方法與特征金字塔的倒數(shù)第二層的特征圖進(jìn)行融合,最后使用1×1的卷積層來改變通道數(shù),IR-SimAM模塊采用反向殘差塊和SimAM注意力塊的組合;步驟5,將步驟4得到的特征圖再次經(jīng)過IR-SimAM模塊處理并進(jìn)行上采樣操作,然后使用concat方法將其與特征金字塔的倒數(shù)第三層的特征信息進(jìn)行融合,最后使用1×1的卷積層改變通道數(shù);步驟6,結(jié)合步驟3、步驟4和步驟5中的特征信息以獲得輸出結(jié)果,接著根據(jù)真實值計算損失,并使用優(yōu)化算法對旋轉(zhuǎn)目標(biāo)特征提取網(wǎng)絡(luò)的權(quán)重參數(shù)進(jìn)行更新,以達(dá)到收斂狀態(tài);步驟7,將未參與訓(xùn)練的遙感圖像及矩形框標(biāo)注作為輸入,采用訓(xùn)練收斂的旋轉(zhuǎn)目標(biāo)特征提取網(wǎng)絡(luò)對輸入進(jìn)行前向運算,生成檢測結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù),可聯(lián)系本專利的申請人或?qū)@麢?quán)人安徽理工大學(xué),其通訊地址為:232001 安徽省淮南市泰豐大街168號;或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。

免責(zé)聲明
1、本報告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報告中的分析和結(jié)論僅反映本公司于發(fā)布本報告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。
主站蜘蛛池模板: 射洪县| 丰顺县| 建始县| 环江| 新竹县| 吉林市| 长武县| 杭锦旗| 潞西市| 沅陵县| 修水县| 辽阳市| 麻阳| 双桥区| 晋城| 石泉县| 敦煌市| 秭归县| 竹山县| 固原市| 余庆县| 泰兴市| 深州市| 台山市| 柯坪县| 嘉鱼县| 诸暨市| 楚雄市| 遵义市| 赤壁市| 奈曼旗| 印江| 盐池县| 金堂县| 富顺县| 禹城市| 伊宁县| 隆安县| 宝鸡市| 齐齐哈尔市| 黎平县|