-
公开(公告)号：CN119832393B
公开(公告)日：2025-05-16
申请号：CN202510307879.2
申请日：2025-03-17
Applicant: 湖南大学
IPC: G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/082 , G06V10/764 , G06V10/774 , G06V10/778 , G06V10/80
Abstract: 本发明公开了用于遥感变化检测的噪声标签鲁棒学习方法、系统和设备，提出了边缘引导的跨级差异增强模块，通过低级‑高级特征交互，改进低级差异特征的边缘，并利用边缘改进后的差异特征引导高级双时相特征进行差异增强，充分挖掘了双时相图像的边缘信息和变化信息，基于不确定性分析的噪声标签联合检测策略，结合样本的不确定值和预测概率，识别潜在噪声标签并矫正，降低了将困难样本识别为噪声样本的风险；设计了一种困难样本自适应增强的噪声鲁棒损失函数，基于样本的不确定值，自适应的为样本分配损失权重，不确定值越大，样本学习越困难，损失权重越大，通过这种方式迫使网络学习更复杂和更困难的特征表示，增强模型对噪声标签的鲁棒性。
-
公开(公告)号：CN118658033B
公开(公告)日：2024-12-13
申请号：CN202411133555.3
申请日：2024-08-19
Applicant: 湖南大学
IPC: G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/46 , G06V10/82
Abstract: 本发明公开了一种基于显著机制和多层注意感知的偏振和强度图像融合方法，将偏振与强度图像输入密集连接特征提取编码器得到相应的源图像特征，并输入多层递进注意感知融合模块进行图像融合操作，输出融合特征；将偏振图像馈送进偏振显著目标突出机制中，基于强度显著性和空间紧凑性挖掘偏振图像中高亮度的极化显著目标，得到偏振极化目标显著图；对融合特征和偏振极化目标显著图进行拼接操作，将拼接后得到的特征输入到图像重构解码器中，经由多层卷积处理重构得到融合图像，基于深度特征图的损失函数对融合网络进行训练，基于训练好的融合网络进行实时偏振和强度图像融合。可实现理想的偏振极化信息和纹理细节的融合效果，获得高质量的融合图像。
-
公开(公告)号：CN118628807A
公开(公告)日：2024-09-10
申请号：CN202410734413.6
申请日：2024-06-07
Applicant: 深空探测实验室(天都实验室) , 湖南大学 , 探月与航天工程中心
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/13
Abstract: 本申请提供了基于知识蒸馏的遥感图像分类方法和系统，包括：对待分类遥感图像依序进行卷积处理和注意力加权，获取教师网络语义特征；对所述待分类遥感图像依序进行所述卷积处理、所述注意力加权以及通过所述教师网络语义特征进行类间关系蒸馏和类内关系蒸馏，获取学生网络语义特征；通过Swin‑Transformer网络对所述教师网络语义特征进行语义提取，获取第一高级语义特征，并通过Resnet18网络对所述学生网络语义特征进行语义提取，获取第二高级语义特征；通过语义特征图蒸馏，获取已蒸馏第二高级语义特征；通过预设的softmax函数获取对所述待分类遥感图像的分类结果。保证了分类模型的准确性和轻量性。
-
公开(公告)号：CN118570643A
公开(公告)日：2024-08-30
申请号：CN202410723658.9
申请日：2024-06-05
Applicant: 湖南大学
Abstract: 本发明公开了一种多时相高光谱遥感图像变化检测方法，具体包括：S1、将给定的双时相高光谱图像以及它们的差分图像沿光谱维度级联，得到级联图像；S2、将所述级联图像进行超像素分割，得到超像素分割结果；S3、以每个超像素中所有像素的平均值作为图节点构建图结构输入GCN和时相卷积，提取级联图像的超像素级特征，同时将级联图像输入CNN，提取级联图像的像素级特征；S4、从所述超像素级特征和像素级特征中动态筛选出变化区域的最有效通道特征，并将最有效通道特征选择结果输入Softmax函数得到变化检测结果。本发明能关注多时相高光谱图像中的时相信息，分别提取高光谱图像中的大尺度超像素级特征和细微的像素级特征，精准检测变化区域。
-
公开(公告)号：CN118470548A
公开(公告)日：2024-08-09
申请号：CN202410932055.X
申请日：2024-07-12
Applicant: 湖南大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/766 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/096
Abstract: 本发明公开了一种基于宽度学习的异质图像变化检测方法，预设异质图像变化检测模型，获取两张待检测的异质图像并对其进行分割，得到多个特征对，特征节点生成及换域模块接收多个特征对并进行特征节点生成和换域，得到两个空间域下各自对应的不同时相特征，差分增强模块接收两个空间域各自对应的不同时相的特征节点并处理，得到各空间域差分节点，输出层接收各空间域差分节点并计算，输出两张待检测的异质图像在各空间域的变化检测结果，根据各空间域的变化检测结果得到两张待检测的异质图像的变化检测结果。该方法采用宽度学习系统进行异质图像变化检测，增强了特征之间的鲁棒性和非线性性，能有效地利用特征。
-
Patent Agency Ranking
公开(公告)号：CN117274815A
公开(公告)日：2023-12-22
申请号：CN202311308728.6
申请日：2023-10-10
Applicant: 湖南大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 一种基于多标签策略的植物疾病和严重程度识别方法，包括：1、构建训练集、验证集和测试集；2、构建多标签分类网络；3、选择一批农作物病害图片输入到多标签特征提取模块中，对农作物病害图片进行特征提取得到带有病害空间信息的特征，将特征输入到信息融合交流模块进行建模，得到病害语义特征，通过多尺度信息融合模块将病害语义特征和空间特征相融并输入到多标签预测解码模块中得到多标签分类结果；4、对多标签分类网络进行迭代训练；5、对多标签分类网络进行测试。本发明可以同等对作物种类、疾病和严重程度进行识别，多标签的分类方式同时结合了多任务网络的分类复杂度小和单任务网络没有额外分支的优点。
-
公开(公告)号：CN116258193A
公开(公告)日：2023-06-13
申请号：CN202211619014.2
申请日：2022-12-12
Applicant: 湖南大学
Abstract: 本发明公开了一种基于元素级加权策略的鲁棒宽度学习系统，首先是适应于元素级别权重的宽度学习系统，其在结构上仍然保留了基础的宽度学习系统特点，引入了元素级别的惩罚权重来对噪声标签样本进行惩罚，对每一个样本标签的每一个元素依照本发明中的标签噪声检测算法设置不同权重以抑制噪声的不良影响，保留其他未被污染元素的有效信息。本发明公开的基于元素级加权策略的鲁棒宽度学习系统具有遏制被噪声污染的样本标签中污染元素所提供的错误信息，从而增强宽度学习系统对于标签噪声数据的处理能力，提高宽度学习系统对数据标签被噪声污染的分类数据集的分类有效性的效果。
-
公开(公告)号：CN113449788B
公开(公告)日：2023-04-28
申请号：CN202110705506.2
申请日：2021-06-24
Applicant: 湖南大学
IPC: G06V20/13 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种可见光、近红外遥感影像云检测方法，涉及图像处理技术领域，包括如下步骤：选取可见光、近红外影像的反射率、光谱指数、纹理和结构特征，以对云的特征进行数学表征；结合影像的暗通道反射率、归一化植被指数和白度指数，提出了一种训练样本自动提取算法，使用白度指数作为细节信息提取数据源，精确提取云和非云训练样本；基于样本及其特征描述，采用支持向量机分类对可见光、近红外遥感影像进行初分类；在支持向量机分类基础上进行导向滤波、孔洞填充和几何判断后处理，以获取最终的云检测结果。本发明提出的算法过程无须人工标注样本，无须大量的先验知识，降低了使用门槛，提高了实用性。
-
公开(公告)号：CN115841435B
公开(公告)日：2023-04-25
申请号：CN202310163553.8
申请日：2023-02-24
Applicant: 湖南大学
Abstract: 本发明公开了基于排序域方向梯度直方图约束的遥感影像去条带方法，对单波段含条带噪声遥感图像分别按列和行进行像素值大小排序，得到含条带的列排序图、含条带的行排序图和相应的位置索引图；以含条带的行排序图在竖直方向上的梯度绝对值直方图作为参考，通过直方图统计信息，估算无条带干扰下列排序水平梯度图，并构建方向梯度直方图约束项；结合去条带单向变分约束项、方向梯度直方图约束项和数据保真项，构建排序域中的去条带变分模型；通过交替迭代更新算法，获得最优的列排序域下的目标图像，最后逆排序变换得到空间域下去完条带的遥感图像。能解决现有技术在去除条带噪声时损失细节信息的技术问题，具有较强的鲁棒性、快速性和普适性。
-
公开(公告)号：CN106083644A
公开(公告)日：2016-11-09
申请号：CN201610395444.9
申请日：2016-06-06
Applicant: 湖南大学
IPC: C07C249/08 , C07C249/04 , C07C251/48 , C07C251/52 , C07C251/54 , C07C251/60 , A01N35/10 , A01N37/34 , A01P7/04
CPC classification number: C07C249/08 , A01N35/10 , A01N37/34 , C07C249/04 , C07C251/48 , C07C251/52 , C07C251/54 , C07C251/60
Abstract: 本发明涉及化学结构式Ⅰa、Ⅰb、IIa和IIb所示的1‑苯基‑2‑脂环基酮肟醚及其在农药上可接受的盐：式中R选自：C1～C4直链烷基或C3～C4支链烷基；n选自：1、2、3或4；X1～X4选自：氢、甲基、乙基、氟、氯、溴、碘；R1选自：氢、甲基、乙基、C3～C7直链烷基和支链烷基、C2～C5烯基、C2～C5氯代烯基或C2～C5炔基；Y1、Y5选自：氢、C1～C4直链烷基、C3～C4支链烷基、氟、氯、溴、碘、硝基或氰基；Y3选自：氢、C1～C4直链烷基、C3～C4支链烷基、三氟甲基、氟、氯、溴、碘或4‑氯甲基苯基；Y2、Y4选自：氢、甲基、乙基、氟、氯、溴、碘、硝基、苯基或苯氧基。1‑苯基‑2‑脂环基酮肟醚在制备杀虫剂中的应用。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.032 seconds)
