-
公开(公告)号：CN114842253A
公开(公告)日：2022-08-02
申请号：CN202210477506.6
申请日：2022-05-04
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/77 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明基于自适应光谱空间核结合ViT高光谱图像分类方法属于图像分类技术领域；该方法依次执行以下步骤：步骤a、输入待分类的高光谱图像；步骤b、使用主成分分析方法去除光谱冗余；步骤c、使用基于注意力的自适应光谱空间核进行特征提取；步骤d、将提取的特征输入到ViT中；步骤e、使用多层感知机得到分类结果；本发明通过长距离捕获HSI序列的光谱关系，并充分利用数据的局部和全局信息，解决了CNN方法获取深度语义特征能力有限问题，提高了分类精度。
-
公开(公告)号：CN115841599A
公开(公告)日：2023-03-24
申请号：CN202211703105.4
申请日：2023-02-23
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明新型耦合共享的高光谱与LiDAR数据协同分类方法属于图像分类技术领域；该方法依次执行以下步骤：步骤a、使用主成分分析方法去除高光谱图像的光谱冗余，然后送入空洞空间金字塔池化(Atrous Spatial Pyramid Pooling，ASPP)模块提取多分辨率特征；步骤b、将LiDAR数据输入到另一支路的ASPP模块，提取多分辨率特征；步骤c、将高光谱和LiDAR两支路的多分辨率特征分别输入各支路的三个可分离卷积模块中，其中两支路之间第二个和第三个的可分离卷积模块进行参数共享；步骤d、将高光谱和LiDAR数据两支路的特征分别输入各支路的多头自注意力(Multi‑Head Self‑Attention，MHSA)中来提取更加有效的信息；步骤e、将MHSA加权后的高光谱和LiDAR特征进行融合，并使用softmax进行分类。本发明利用ASPP、可分离卷积耦合共享机制和MHSA组成特征提取模块，利用特征融合机制实现不同传感器数据之间的信息互补，进一步增强学习特征的辨别能力，提高地物的分类精度。
-
公开(公告)号：CN114429564A
公开(公告)日：2022-05-03
申请号：CN202210018148.2
申请日：2022-01-08
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明一种基于双支路的高光谱和LiADR数据协同分类方法属于图像分类技术领域；该方法依次执行以下步骤：输入已配准好的高光谱和LiDAR的.tif数据，将数据输入到双分支网络；使用剪枝方法对高光谱图像进行波段选择；分别对空间和光谱进行特征提取；采用空洞卷积对LiDAR分支进行特征提取；将高光谱图像分支和LiDAR数据分支所提取的特征进行拼接；最后使用softmax对拼接的特征进行分类，获得样本分类标签；本发明基于双支路的高光谱和LiADR数据协同分类方法，利用高光谱和LiDAR数据各自的特点，优势互补，提高分类精度。
-
公开(公告)号：CN216566850U
公开(公告)日：2022-05-20
申请号：CN202123147056.4
申请日：2021-12-15
Applicant: 哈尔滨理工大学
IPC: G01N21/89
Abstract: 本实用新型公开了一种基于深度学习的产品表面缺陷检测装置，涉及产品检测技术领域，包括检测装置主体，检测装置主体的两侧面均安装有第一电机，安装架板的内侧位于与第一电机相对应处均安装有安装盘，且安装盘的一侧面下端固定有导向杆，安装架板的内侧位于安装盘的上方设置有安装杆，且安装杆的一端转动安装有摆动杆。当产品输送至ccd相机下方，并由距离传感器检测后，反馈至主机处，由主机处理后，使得第三电机停止转动，并通过主机控制第二电机转动，带动转杆转动，将遮阳布放下，对ccd相机处形成遮光，并通过ccd相机对产品表面进行拍摄，使得检测拍摄效果更好，拍摄后的数据传送至主机处。
-
-
-
Search Results
4
records
(took 0.018 seconds)
