-
题名超融合残差行进几何感知的遥感目标检测
- 1
-
-
作者
白晨帅
白晓凤
邬开俊
王昊雯
-
机构
兰州交通大学电子与信息工程学院
-
出处
《光学精密工程》
北大核心
2025年第8期1289-1302,共14页
-
基金
甘肃省自然科学基金项目(No.23JRRA913)
甘肃省重点研发项目(No.25YFGA047)
+1 种基金
内蒙古自治区重点研发与成果转化计划项目(No.2023YFDZ0043,No.2023YFDZ0054,No.2023YFSH0043)
甘肃省教育厅:优秀研究生“创新之星”项目(No.2025CXZX-632)。
-
文摘
本文提出超融合残差行进几何感知算法,旨在解决遥感图像目标检测中的多尺度、密集重叠及数据分布不均等挑战。超融合残差行进模块优化网络结构,其多层次卷积操作利用不同尺度感受野,能捕捉目标各尺度细节,增强模型对目标特征的感知能力,实现小尺度目标特征提取和大尺度目标准确定位。通过计算检测与真实结果的几何相似度精准评估检测效果,在目标密集重叠场景精细考量契合度,筛选最终结果,减少漏检、误检,提高算法准确性;设计多路径特征融合模块,融合不同层次特征信息,提取更丰富目标特征,增强网络表示与判别能力,提升检测准确性与稳定性。在NWPU-VHR-10数据集的实验结果显示,其mPrecision,mRecall,mAP和mF1 Score分别提高了0.041 9,0.104 0,0.045 5和0.085 0;在RSOD数据集的实验结果显示,其mPrecision,mRecall,mAP和mF1 Score分别提高了0.022 1,0.103 4,0.061 9和0.087 5。充分证明了所提出超融合残差行进几何感知算法在遥感图像目标检测领域的有效性和优越性。
-
关键词
遥感图像
目标检测
超融合残差行进模块
几何相似度
多路径特征融合
-
Keywords
remote sensing images
object detection
geometric similarity
multipath feature fusion
ultra-fusion residual marching module
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于PRPNet的三维表面重建方法
- 2
-
-
作者
雷懂
宋俊锋
叶振
-
机构
浙江理工大学信息科学与工程学院
丽水学院数学与计算机学院
-
出处
《软件工程》
2024年第6期59-62,67,共5页
-
文摘
隐式神经网络用于三维表面重建时,存在重建物体的结构不准确、表面缺乏局部细节等问题,针对此问题,文章提出了一种基于PRPNet(点云残差编码网络)的三维表面重建方法。首先采用更深的网络结构且加入残差模块挖掘点云潜在的结构信息,加入PointMateBase模块,以增强局部细节表示能力;其次使用特征权重网络获取查询点的占用概率;最后通过区域增长的Marching Cubes算法提取三维表面。实验结果表明,PRPNet模型在ShapetNet和Synthetic Rooms数据集上的精度较DpConvONet模型相应数据集上的精度分别提升了2.5百分点和2.6百分点,能够有效提升三维表面重建性能。
-
关键词
三维表面重建
隐式神经网络
点云
残差模块
PointMateBase模块
特征权重网络
marching
Cubes算法
-
Keywords
3D surface reconstruction
implicit neural network
point cloud
residual module
PointMateBase module
feature weight network
marching Cubes algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
