-
公开(公告)号：CN119359563A
公开(公告)日：2025-01-24
申请号：CN202411473550.5
申请日：2024-10-22
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于频段差分的无人机RGB图像光谱重建方法，首先收集无人机航拍RGB图像和高光谱辅助图像，构建具有RGB和高光谱图像的数据集。其次，利用频段差分和超像素分割，生成训练数据。然后，建立基于深度网络的光谱映射模型，训练得到从RGB图像到频段差分序列的光谱映射关系。进一步地，利用通过训练模型得到的光谱映射关系，对无人机采集的任一RGB图像进行光谱重建，获得目标图像的差分序列。最后，对差分序列进行逆向差分处理，即可获得重建后的目标图像。本发明通过引入差分思想来限定高光谱辅助图像相邻频段间的关系，能够同时表示高光谱辅助图像的频段内信息和频段间相关性信息，可有效提升RGB图像光谱重建质量。
-
Patent Agency Ranking
公开(公告)号：CN118587613B
公开(公告)日：2024-11-29
申请号：CN202410364371.1
申请日：2024-03-28
Applicant: 中国矿业大学
IPC: G06V20/17 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/52 , G06V10/80 , G06N3/0499
Abstract: 本发明公开了一种基于跨模态瓶颈适配网络的机载多模态目标检测方法，首先，为了解决模态异质性挑战，引入了全局互信息适配机制和结构互信息适配机制。这些机制有助于增加模态之间的共享信息量，推动跨模态知识的更好共享；然后，构建了变分信息瓶颈，通过多模态分布融合、先验分布约束和任务约束，模型能够更加高效地处理多模态数据，从而更关注于多模态数据中任务相关的关键信息来应对模态冗余挑战。
-
公开(公告)号：CN119992199A
公开(公告)日：2025-05-13
申请号：CN202510085621.2
申请日：2025-01-20
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本申请公开了一种基于批判反思性学习的开放集跨域高光谱图像分类方法和网络，属于计算机视觉技术领域，包括：对源域数据和目标域数据进行特征提取，获取源域嵌入特征和目标域嵌入特征；将源域嵌入特征和目标域嵌入特征分别输入到教师网络和学生网络，以获取教师网络输出和学生网络输出；将教师网络输出的维度扩充至学生网络输出的维度，得到修正后的教师网络，同时控制学生网络学习修正的教师网络的输出结果，得到修正的学生网络；将目标域嵌入特征输入修正的学生网络，获取对目标域数据的类别预测结果。本申请将教师‑学生的思想引入开放集跨域高光谱图像分类任务，通过教师网络指导使学生网络掌握已知/未知类别的决策边界。
-
公开(公告)号：CN119251556A
公开(公告)日：2025-01-03
申请号：CN202411284854.7
申请日：2024-09-13
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于因果元解耦学习的高光谱图像分类方法。首先，通过模拟领域泛化情景，帮助模型从中归纳出域不变的因果元知识，确保其对未见目标域的强泛化能力。其次，提出了因果元解耦学习，建立了基于分布解耦、虚拟域生成、不变‑泛化风险最小化的因果元知识归纳框架，为高光谱领域泛化提供了新范式。通过不变因果效应损失，约束相同类别的高光谱图像在不同领域具有不变的因果效应，实现了数据和标签之间真实因果关联的准确捕获，从而有效提升模型在目标域不可见的领域泛化任务中的分类性能。
-
公开(公告)号：CN119229142A
公开(公告)日：2024-12-31
申请号：CN202411443392.9
申请日：2024-10-16
Applicant: 中国矿业大学
IPC: G06V10/58 , G06V10/77 , G06V10/82 , G06V20/10 , G06N3/0455
Abstract: 本发明公开了一种基于张量化自编码器网络的高光谱图像多层次特征表示方法，该方法首先引入深度自编码器网络，构建基于深度自编码器网络的高光谱图像特征表示框架。其次，对该深度自编码器网络进行张量化处理，建立基于张量化自编码器网络的高光谱图像多层次特征表示模型，即将深度自编码器网络的各层输出进行堆叠，以获得张量形式，并构建、引入张量分解项，以实现对自编码器网络的反向传输。本发明通过对深度自编码器网络进行张量化处理，提升多层次特征表示能力，能够把深度自编码器网络的各层输出统一结合起来，同时涵盖浅层输出特性和深层输出特性，从而为目标分类等任务提供可靠的判别依据。
-
公开(公告)号：CN118587613A
公开(公告)日：2024-09-03
申请号：CN202410364371.1
申请日：2024-03-28
Applicant: 中国矿业大学
IPC: G06V20/17 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/52 , G06V10/80 , G06N3/0499
Abstract: 本发明公开了一种基于跨模态瓶颈适配网络的机载多模态目标检测方法，首先，为了解决模态异质性挑战，引入了全局互信息适配机制和结构互信息适配机制。这些机制有助于增加模态之间的共享信息量，推动跨模态知识的更好共享；然后，构建了变分信息瓶颈，通过多模态分布融合、先验分布约束和任务约束，模型能够更加高效地处理多模态数据，从而更关注于多模态数据中任务相关的关键信息来应对模态冗余挑战。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
