欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023117483732
申请人: 广东海洋大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种无人机红树林受损影像识别方法,其特征在于,包括以下步骤:

S1、采集红树林生态区的无人机影像,并对无人机影像进行正射图像拼接,生成正射图像;

S2、在正射图像中确定研究区域影像,并利用研究区域影像的栅格化标签对研究区域影像进行切割,得到瓦片数据;

S3、将瓦片数据划分为训练集和测试集;

S4、构建改进OCRNet‑HRNet模型,利用训练集对改进OCRNet‑HRNet模型进行训练;

S5、将测试集输入至改进OCRNet‑HRNet模型中,完成受损识别。

2.根据权利要求1所述的无人机红树林受损影像识别方法,其特征在于,所述改进OCRNet‑HRNet模型包括HRNet骨干网络、像素表示层、软对象区域层、乘法器U1、第一交叉注意力机制模块、第二交叉注意力机制模块、物体区域表示层、乘法器U2、像素区域关系层、乘法器U3、物体上下文表示层和增强表示层;

所述HRNet骨干网络的输入端作为改进OCRNet‑HRNet模型的输入端,其第一输出端和像素表示层的输入端连接,其第二输出端和软对象区域层的输入端连接;所述像素表示层的第一输出端和乘法器U1的第一输入端连接,其第二输出端和乘法器U2的第一输入端连接,其第三输出端和物体上下文表示层的第一输入端连接;所述软对象区域层的输出端和乘法器U1的第二输入端连接;所述乘法器U1的输出端和第一交叉注意力机制模块的输入端连接;所述第一交叉注意力机制模块的输出端和物体区域表示层的输入端连接;所述物体区域表示层的第一输出端和乘法器U2的第二输入端连接;所述乘法器U2的输出端和像素区域关系层的输入端连接;所述像素区域关系层的输出端和乘法器U3的第一输入端连接;所述物体区域表示层的第二输出端和乘法器U3的第二输入端连接;所述乘法器U3的输出端和第二交叉注意力机制模块的输入端连接;所述第二交叉注意力机制模块的输出端和物体上下表示层的第二输入端连接;所述物体上下文表示层的输出端和增强表示层的输入端连接;所述增强表示层的输出端作为改进OCRNet‑HRNet模型的输出端。

3.根据权利要求2所述的无人机红树林受损影像识别方法,其特征在于,所述像素表示层包括深特征图层、第一卷积层、第一归一化层和第一激活函数层;

所述深特征图层的输入端作为像素表示层的输入端;所述第一激活函数层的输出端作为像素表示层的第一输出端、第二输出端和第三输出端;所述深特征图层的输出端、第一卷积层、第一归一化层和第一激活函数层的输入端依次连接。

4.根据权利要求2所述的无人机红树林受损影像识别方法,其特征在于,所述软对象区域层包括浅特征图层、第二卷积层、第二归一化层、第二激活函数层和第三卷积层;

所述浅特征图层的输入端作为软对象区域层的输入端;所述第二激活函数层的输出端作为软对象区域层的输出端;所述浅特征图层的输出端、第二卷积层、第二归一化层、第二激活函数层和第三卷积层的输入端依次连接。

5.根据权利要求2所述的无人机红树林受损影像识别方法,其特征在于,所述乘法器U1包括第一reshape层、第一转置层、第二reshape层、第一SoftMax层、第一聚合层和第二转置层;

所述第一reshape层的输入端作为乘法器U1的第一输入端;所述第二reshape层的输入端作为乘法器U1的第二输入端;所述第一reshape层的输出端、第一转置层以及第一聚合层的第一输入端依次连接;所述第二reshape层的输出端、第一SoftMax层以及第一聚合层的第二输入端依次连接;所述第一聚合层的输出端和第二转置层的输入端连接;所述第二转置层的输出端作为乘法器U1的输出端。

6.根据权利要求2所述的无人机红树林受损影像识别方法,其特征在于,所述第一交叉注意力机制模块包括第四卷积层、第五卷积层、第六卷积层、第二聚合层、第二SoftMax层、第三聚合层和第一加法器A1;

所述第四卷积层的输入端、第五卷积层的输入端、第六卷积层的输入端和第一加法器A1的第一输入端均作为第一交叉注意力机制模块的输入端;所述第四卷积层的输出端和第三聚合层的第一输入端连接;所述第五卷积层的输出端和第六卷积层的输出端分别与第二聚合层的第一输入端和第二输入端一一对应连接;所述第二聚合层的输出端和第二SoftMax层的输入端连接;所述第二SoftMax层的输出端和第三聚合层的输入端连接;所述第三聚合层的输出端和加法器A1的第二输入端连接;所述加法器A1的输出端作为第一交叉注意力机制模块的输出端。

7.根据权利要求2所述的无人机红树林受损影像识别方法,其特征在于,所述乘法器U2包括第六卷积层、第三归一化层、第三激活函数层、第七卷积层、第四归一化层、第四激活函数层、第三reshape层、第三转置层、第八卷积层、第五归一化层、第五激活函数层、第九卷积层、第六归一化层、第六激活函数层、第四reshape层、第四聚合层和第三SoftMax层;

所述第六卷积层的输入端作为乘法器U2的第一输入端;所述第八卷积层的输入端作为乘法器U2的第二输入端;所述第六卷积层的输出端、第三归一化层、第三激活函数层、第七卷积层、第四归一化层、第四激活函数层、第三reshape层和第三转置层的输入端依次连接;

所述第八卷积层的输出端、第五归一化层、第五激活函数层、第九卷积层、第六归一化层、第六激活函数层、第四reshape层和第四聚合层的输入端依次连接;所述第三转置层的输出端和第四聚合层的输出端分别与第三SoftMax层的第一输入端和第二输入端一一对应连接;

所述第三SoftMax层的输出端作为乘法器U2的输出端。

8.根据权利要求2所述的无人机红树林受损影像识别方法,其特征在于,所述乘法器U3包括第一下采样层、第五reshape层、第四转置层、第五聚合层、第五转置层、第六reshape层和第一上采样层;

所述第五聚合层的第一输入端作为乘法器U3的第一输入端;所述第一下采样层的输入端作为乘法器U3的第二输入端;所述第一下采样层的输出端、第五reshape层、第四转置层和第五聚合层的第二输入端依次连接;所述第五聚合层的输出端、第五转置层、第六reshape层和第一上采样层的输入端依次连接;所述第一上采样层的输出端作为乘法器U3的输出端。

9.根据权利要求2所述的无人机红树林受损影像识别方法,其特征在于,所述物体上下文表示层包括第一Concat层、第十一卷积层、第八归一化层、第八激活函数层和第一Dropout层;

所述第一Concat层的第一输入端和第二输入端分别作为物体上下文表示层的第一输入端和第二输入端;所述第一Concat层的输出端、第十一卷积层、第八归一化层、第八激活函数层和第一Dropout层的输入端依次连接;所述第一Dropout层的输出端作为物体上下文表示层的输出端。