公开(公告)号：CN115457285A

公开(公告)日：2022-12-09

申请号：CN202211145408.9

申请日：2022-09-20

Applicant: 厦门理工学院

Inventor： 满旺 ,  朱祎 ,  杜晓凤 ,  王桂松 ,  李晖 ,  聂芹

IPC: G06V10/32 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种木纹分类模型的训练方法、木纹分类方法、装置及设备。该方法包括：对原始木纹图像进行扩充，得到扩充后的原始木纹图像数据集；对原始木纹图像数据集进行缩放，得到缩放图像数据集；对原始木纹图像数据集进行中心裁剪，得到裁剪图像数据；采用缩放图像数据集训练初始全局模型，得到训练好的全局模型；采用裁剪图像数据集训练初始局部模型，得到训练好的局部模型；将扩充后的原始木纹图像数据集输入初始全局‑局部模型进行训练，得到训练好的全局‑局部模型，以训练好的全局‑局部模型作为木纹分类模型。本发明提供的方法，采用全局‑局部模型来识别木纹图片，其预测结果更精准。

公开(公告)号：CN116206213A

公开(公告)日：2023-06-02

申请号：CN202310146339.1

申请日：2023-02-21

Applicant: 厦门理工学院

Inventor： 满旺 ,  谭占聪 ,  杜晓凤 ,  王桂松 ,  王超

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明涉及遥感影像处理技术领域，提供一种非配对遥感图像去薄云的方法，包括下列步骤：将含云图像x输入到生成器Gc中，以输出生成图像fake；在输出生成图像fake的过程中加入对比学习损失Lcl和内容损失Lc来保持含云图像x和生成图像fake的内容一致；将生成图像fake与无云图像y输入到鉴别器Dc中，来判别真假，其中y不是x的真实值；在经过迭代训练之后得到训练好的生成器Gc，以使得经过训练好的生成器Gc所生成的生成图像fake实现去薄云。通过将对比学习和内容损失加入到Gan框架，来维持生成图像和有云图像的内容一致性，并且针对生成器引入了频率通道注意块，来进一步提高生成图像质量，进而实现高效的非配对遥感图像去薄云处理。