← 返回列表
一种基于SAM模型的小样本学习遥感图像检测方法
摘要文本
本发明公开了一种基于SAM模型的小样本学习遥感图像检测方法，包括步骤：S1、建立对象样本库，S2、利用Grouding Dino模型检测目标初始标注结果和初始语义标签；利用SAM模型获取图像特征；S3、进行综合特征点提取，叠加图像特征，检测模型在样本库指导下获取提取结果。本发明通过对SAM模型与Grouding Dino模型的应用，将遥感图像的少量标注样本知识经过预处理作为特征样本，与SAM模型识别万物的能力结合，结构可扩展性强，利用SAM模型的泛化分割能力获取初步候选区域，两个通用目标检测模型为后续处理提供了足够泛化的基础特征，提高检测模型整体泛化能力。
申请人信息
- 申请人:中科星图数字地球合肥有限公司
- 申请人地址:230088 安徽省合肥市高新区望江西路900号中安创谷科技园一期A1楼36层
- 发明人: 中科星图数字地球合肥有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于SAM模型的小样本学习遥感图像检测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410154598.3 |
| 申请日 | 2024/2/4 |
| 公告号 | CN117690031A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 中科星图数字地球合肥有限公司 |
| 发明人 | 仲清; 吴恩平; 苏丽萍; 熊兆 |
| 地址 | 安徽省合肥市高新区望江西路900号中安创谷科技园一期A1楼36层 |
专利主权项内容
1.一种基于SAM模型的小样本学习遥感图像检测方法，其特征在于，包括步骤：S1、建立对象样本库，提取每个样本的样本标注和语义标签特征；S2、用户输入遥感图像及检测目标的文字描述到检测模型，检测模型利用GroudingDino模型对遥感图像和文字描述进行预处理，获取检测目标的初始标注结果和初始语义标签；利用SAM模型对遥感图像进行预处理获取图像特征；S3、检测模型利用检测目标的初始标注结果和初始语义标签与样本的样本标注和语义标签进行比对，提取综合特征点，然后叠加SAM模型获取的图像特征，作为SAM模型进一步目标检测的提示信号，实现检测模型在样本库指导下获取提取结果。