-
公开(公告)号：CN110750660A
公开(公告)日：2020-02-04
申请号：CN201910951066.1
申请日：2019-10-08
Applicant: 西北工业大学
IPC: G06F16/51 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种半配对多模态数据哈希编码方法，包括：获得半配对多模态数据的图像信息矩阵和文字信息矩阵；构建将图像映射到文字空间的第一神经网络和将文字映射到图像空间的第二神经网络并分别从所述第一神经网络和所述第二神经网络中选取一个编码层；利用所述编码层建立目标函数；根据所述目标函数训练所述第一神经网络和所述第二神经网络，获得所述半配对多模态数据的哈希编码矩阵。该方法采用深度神经网络，相比于现有的浅层模型方法具有更好的非线性拟合能力，并且生成的哈希编码具有更高的精度和多样性。
-
公开(公告)号：CN117893799A
公开(公告)日：2024-04-16
申请号：CN202311827159.6
申请日：2023-12-27
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/58 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于自适应谱感知演化神经网络的高光谱图像分类方法，包括：从高光谱图像数据集中提取其中有类别标签的样本构成训练样本集，提取其中无类别标签的样本构成测试样本集；基于进化算法搜索由光谱特征感知卷积模块组成的多尺度谱感知卷积神经网络网络；利用训练样本集训练搜索到的最优网络，得到训练完成的高光谱图像分类网络；利用高光谱图像分类网络得到测试样本集中各待测样本的分类结果，并利用各待测样本的分类结果以及有类别标签的数据体样本中各像素的类别，得到高光谱图像数据体的分类结果图。本发明通过考虑高光谱图像的特性，能有效提取高光谱图像的空间信息和光谱信息，提高高光谱图像分类效果。
-
公开(公告)号：CN113723450B
公开(公告)日：2024-03-19
申请号：CN202110814268.9
申请日：2021-07-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于进化多任务优化的高光谱图像波段选择方法，包括：获取高光谱图像，基于无标签样本和带标签样本分别建立第一任务优化模型和第二任务优化模型；根据高光谱图像的维数和谱带数确定编码个体，并根据编码个体初始化种群参数；计算初始种群中每个编码个体在第一任务优化模型和第二任务优化模型上的适应度值，通过适应度值得到技能因子；根据适应度值和技能因子对初始种群进行迭代优化，在每次迭代后计算综合评估结果；从若干综合评估结果中选择适应度值最高的结果进行输出。本发明利用标记样本和未标记样本的不同数值特征，设计了针对样本的目标准则，从不同角度搜索有希望的波段，解决了样本针对性不足且计算量大的问题。
-
公开(公告)号：CN116246104A
公开(公告)日：2023-06-09
申请号：CN202310093690.9
申请日：2023-02-07
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/58 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于自适应谱感知演化神经网络的高光谱图像分类方法，包括：从高光谱图像数据集中提取其中有类别标签的样本构成训练样本集，提取其中无类别标签的样本构成测试样本集；基于进化算法搜索由光谱特征感知卷积模块组成的多尺度谱感知卷积神经网络网络；利用训练样本集训练搜索到的最优网络，得到训练完成的高光谱图像分类网络；利用高光谱图像分类网络得到测试样本集中各待测样本的分类结果，并利用各待测样本的分类结果以及有类别标签的数据体样本中各像素的类别，得到高光谱图像数据体的分类结果图。本发明通过考虑高光谱图像的特性，能有效提取高光谱图像的空间信息和光谱信息，提高高光谱图像分类效果。
-
公开(公告)号：CN114842328A
公开(公告)日：2022-08-02
申请号：CN202210283172.9
申请日：2022-03-22
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N3/12
Abstract: 本发明公开了一种基于协同分析自主感知网络结构的高光谱变化检测方法，包括：获取同一传感器采集的两组高光谱变化检测数据集，确定每组的训练样本和待测样本；对每组建立变化检测网络结构搜索任务；对每个任务产生初始网络结构种群；对每个当前网络结构种群，利用遗传算法进行种群内进化得到内部进化后网络结构种群；针对该对内部进化后网络结构种群，在满足跨任务知识交流条件时共享优秀个体信息，得到每个内部进化后网络结构种群对应的更新网络结构种群；判断是否达到预设的最大迭代次数；若否返回种群内进化；若是停止迭代，从每个更新网络结构种群中获取最优网络结构，利用对应的待测样本得到变化检测结果。本发明能提高各CD任务分类精度。
-
Patent Agency Ranking
公开(公告)号：CN112509017A
公开(公告)日：2021-03-16
申请号：CN202011300324.9
申请日：2020-11-18
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于可学习差分算法的遥感影像变化检测方法。首先，在差分进化算法的每次迭代过程中执行变异和交叉操作；然后，从原种群和交叉后种群中随机选择部分个体进入新种群，再从新种群中选择个体并进行标记，得到训练样本；接着，对神经网络进行训练，再利用训练好的神经网络选择进入下一代种群的个体；如此迭代，得到逼近真实最优值的种群，再计算最优的模糊关系矩阵，将差异图中的每个像素分配到最大模糊值的类别，最终完成变化检测。本发明方法具有良好的优化能力和收敛速度，且检测精度高。
-
公开(公告)号：CN111143625A
公开(公告)日：2020-05-12
申请号：CN201911295770.2
申请日：2019-12-16
Applicant: 西北工业大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明公开了一种半监督多模态哈希编码方法，包括：对原始数据进行预处理，获得所述原始数据的实数矩阵向量；根据所述实数向量获取辅助变量；根据所述辅助变量估计所述原始数据中无标记数据的标记矩阵；根据原始数据中有标记数据的标记矩阵和已估计的无标记数据的标记矩阵生成哈希编码矩阵。该半监督多模态哈希编码方法调整了哈希编码过程中，原始数据中已有真实标记与估计标记的权重，并且采用了非线性模型，能够有效地利用有限的标记信息提高数据的检索精度。
-
-
公开(公告)号：CN113988139B
公开(公告)日：2024-09-13
申请号：CN202111306631.2
申请日：2021-11-05
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多数据集协同分析的高光谱波段选择方法及存储介质。该方法包括：获取K个高光谱数据集；计算每个所述初始种群中的每个个体的适应度值；对当前种群内的父代个体执行交叉或变异操作，得到第一子代个体；对当前种群之间的父代个体依跨数据迁移概率执行交叉操作，得到第二子代个体；根据适应度值更新当前种群并根据迁移概率函数更新所述跨数据集迁移概率；选择适应度值最高的个体作为当前种群的最优波段进行输出。本发明构建了一个高光谱多数据集波段选择协同分析框架，利用数据集相同的光谱范围及相似的光谱‑空间结构，从而提高每个数据集的波段选择性能。
-
公开(公告)号：CN118379631A
公开(公告)日：2024-07-23
申请号：CN202410522591.2
申请日：2024-04-28
Applicant: 西北工业大学深圳研究院
Abstract: 本发明提供了一种自引导的无监督异构遥感图像变化检测方法及系统，涉及图像处理技术领域。其中，一种自引导的无监督异构遥感图像变化检测方法包括：获取待测的一对异构遥感图像；将待测的一对异构遥感图像输入第一迭代结构中，获取初始融合伪变化样本；对初始融合伪变化样本做差异分析，得到初始伪标签数据；将初始伪标签数据、初始融合伪变化样本以及待测的一对异构遥感图像输入第二迭代结构中，经过预设迭代次数得到次融合伪变化样本以及最终自引导网络；对次融合伪变化样本做差异分析，得到次伪标签数据；将次伪标签数据、次融合伪变化样本以及待测的一对异构遥感图像输入最终自引导网络中，得到异构遥感图像的变化检测结果。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.027 seconds)
