-
Patent Agency Ranking
公开(公告)号：CN112465884B
公开(公告)日：2024-01-16
申请号：CN202011336233.0
申请日：2020-11-25
Applicant: 西北工业大学
IPC: G06T7/33 , G06N3/0475 , G06N3/094 , G06N3/045
Abstract: 本发明提供了一种基于生成式特征表示网络的多元遥感影像变化检测方法。设计了由特征提取网络和生成对抗网络构成的生成式特征网络，特征提取网络学习有利于多元变化检测的数据特征，生成对抗网络学习具有可扩展性的数据分布信息，采用自适应循环学习策略进行网络更新，更新过程中同时进行分类数目自适应调整，并利用变化向量分析算法进行标签数据更新，直至网络稳定，得到最终的变化检测结果。本发明可应用于复杂遥感影像的多元变化检测，且检测精度高、鲁棒性强。
-
公开(公告)号：CN111143625B
公开(公告)日：2023-04-25
申请号：CN201911295770.2
申请日：2019-12-16
Applicant: 西北工业大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明公开了一种基于半监督多模态哈希编码的跨模态检索方法，包括：对原始图像数据进行预处理，获得所述原始图像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图像数据中无标记数据的标记矩阵；根据原始图像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，原始图像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：CN110750660B
公开(公告)日：2023-03-10
申请号：CN201910951066.1
申请日：2019-10-08
Applicant: 西北工业大学
IPC: G06F16/51 , G06F16/583 , G06N3/048 , G06N3/084
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：CN115082780A
公开(公告)日：2022-09-20
申请号：CN202210577166.4
申请日：2022-05-25
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开了一种基于增量式差异学习网络的多源异质影像变化检测方法，包括：构建两幅多源异质遥感影像的原始训练样本；利用两组原始训练样本分别训练SDAE，构建差异学习网络；根据两组原始训练样本和差异学习网络在当前次迭代中的目标函数训练差异学习网络，得到当前次迭代中的预分类结果图；利用其和预设的样本筛选策略确定当前次迭代中的分类器训练集，并训练分类器得到当前次迭代中的分类器的训练损失；判断是否达到迭代停止条件；若否利用当前次迭代中的分类器的训练损失更新差异学习网络的目标函数并返回差异学习网络训练；若是利用当前次迭代中训练完成的分类器得到两幅多源异质遥感影像的变化检测结果图。本发明能提高检测精度。
-
公开(公告)号：CN112465884A
公开(公告)日：2021-03-09
申请号：CN202011336233.0
申请日：2020-11-25
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于生成式特征表示网络的多元遥感影像变化检测方法。设计了由特征提取网络和生成对抗网络构成的生成式特征网络，特征提取网络学习有利于多元变化检测的数据特征，生成对抗网络学习具有可扩展性的数据分布信息，采用自适应循环学习策略进行网络更新，更新过程中同时进行分类数目自适应调整，并利用变化向量分析算法进行标签数据更新，直至网络稳定，得到最终的变化检测结果。本发明可应用于复杂遥感影像的多元变化检测，且检测精度高、鲁棒性强。
-
-
-
-
Search Results
35
records
(took 0.025 seconds)
