-
公开(公告)号：CN110781936B
公开(公告)日：2022-11-18
申请号：CN201910983119.8
申请日：2019-10-16
Applicant: 武汉大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明公开了基于纹理描述和深度学习的阈值可学习局部二进制网络的构建方法，首先取遥感图像数据集，然后加载在ImageNet数据集上预训练好的ResNet‑50网络模型，并将ResNet‑50网络模型的最后一层全连接层的输出维数修改为与图像类别对应的维数，并在遥感图像数据集上对ResNet‑50网络模型进行训练；接着基于深度学习的思想优化手工特征LBP，得到阈值可学习的LBP方法，然后将阈值可学习方法作为LBP层与在ImageNet数据集上预训练好的ResNet‑50网络模型串联，得到阈值可学习的局部网络LBPNet；再将在数据集上收敛的ResNet‑50深度模型与LBPNet并联，构建基于纹理描述和深度学习的阈值可学习局部二进制网络TLBPNet。本发明可以提高遥感图像的分类性能。
-
公开(公告)号：CN110796167B
公开(公告)日：2022-07-22
申请号：CN201910913602.9
申请日：2019-09-25
Applicant: 武汉大学
IPC: G06V10/764 , G06K9/62 , G06V10/40 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于提升方案深度神经网络的图像分类方法。本发明结合了提升方案和卷积神经网络的优点，利用提升方案的特有优势改进基于卷积的神经网络模型。在神经网络中引入提升方案以取代卷积层作为新的特征提取器，一方面为神经网络带来了整数变换、运算加速、无需辅存等优点，另一方面非线性提升方案算子的引入增强了特征的表达能力，能够更好地保留图像的原始信息，在数字图像和遥感图像的分类准确率上均有提升。
-
公开(公告)号：CN110796037B
公开(公告)日：2022-03-15
申请号：CN201910976760.9
申请日：2019-10-15
Applicant: 武汉大学
Abstract: 为了解决星载光学遥感图像舰船目标检测中舰船目标尺度变化大、星载平台计算量严重受限的问题，通过将引入轻量化的多尺度特征提取网络模块，可以有效提升深度学习网络对于舰船目标的检测效率。本发明公开了一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法，采取引入空洞卷积构建轻量级感受野金字塔的方法，根据感受野金字塔提取的多尺度特征构建多尺度特征融合检测模块，在限制网络规模的情况下，提高对光学遥感图像舰船目标特性的适应能力。
-
公开(公告)号：CN112288084A
公开(公告)日：2021-01-29
申请号：CN202011146960.0
申请日：2020-10-23
Applicant: 武汉大学
Abstract: 为了解决传统深度学习网络压缩方法不适用于需要精确回归检测坐标的目标检测网络、方法泛用性差且对网络精度损失大的问题，通过将引入特征图通道级稀疏化概念，使压缩方法在可实现性和灵活性上实现较好的折中，能有效应用到任何典型的目标检测网络。本发明公开了一种基于特征图通道重要性程度的深度学习目标检测网络压缩方法，采取引入BN层gamma参数作为衡量特征图通道重要性程度因子的方法，通过在训练损失函数中加入该参数稀疏化因子，在几乎不损失网络检测精度情况下，实现对目标检测网络的参数压缩。
-
公开(公告)号：CN110781936A
公开(公告)日：2020-02-11
申请号：CN201910983119.8
申请日：2019-10-16
Applicant: 武汉大学
Abstract: 本发明公开了基于纹理描述和深度学习的阈值可学习局部二进制网络的构建方法，首先取遥感图像数据集，然后加载在ImageNet数据集上预训练好的ResNet-50网络模型，并将ResNet-50网络模型的最后一层全连接层的输出维数修改为与图像类别对应的维数，并在遥感图像数据集上对ResNet-50网络模型进行训练；接着基于深度学习的思想优化手工特征LBP，得到阈值可学习的LBP方法，然后将阈值可学习方法作为LBP层与在ImageNet数据集上预训练好的ResNet-50网络模型串联，得到阈值可学习的局部网络LBPNet；再将在数据集上收敛的ResNet-50深度模型与LBPNet并联，构建基于纹理描述和深度学习的阈值可学习局部二进制网络TLBPNet。本发明可以提高遥感图像的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN106485269B
公开(公告)日：2019-08-20
申请号：CN201610859127.8
申请日：2016-09-28
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供一种基于混合统计分布与多部件模型的SAR图像目标检测方法，首先对SAR图像训练集进行混合统计分布建模，包括对训练集中所有SAR图像分别构建空间金字塔，然后对金字塔中任一层子图像建立混合统计分布模型，对混合统计分布模型的表达式取对数，然后将期望最大化算法与MoLC参数估计方法相结合，对混合统计模型的参数进行估计；多部件模型训练与目标检测，将混合统计分布与多部件模型相结合，对SAR图像训练集中的所有图像构建混合统计分布特征金字塔，根据根滤波器窗口和部件滤波器窗口，得到目标检测框。本发明混合统计分布特征与多部件模型的结构信息相结合，能够实现SAR图像中不同目标整体与结构的准确检测。
-
公开(公告)号：CN106408030B
公开(公告)日：2019-06-25
申请号：CN201610860930.3
申请日：2016-09-28
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供一种基于中层语义属性和卷积神经网络的SAR图像分类方法，首先对待分类的SAR图像进行中层语义属性特征图像块的提取，包括根据待分类SAR图像数据集和负样本SAR图像数据集，提取随机图像块的MVR特征，进行k‑means聚类和迭代检测获得字典，根据纯度和判别度的线性组合值，筛选出最具有判别性的聚类中心作为SAR图像属性；基于属性和卷积神经网络的SAR图像分类，利用所有待分类SAR图像的属性训练卷积神经网络，将图像的全局特征和每个属性的卷积神经网络特征串联，用支持向量机进行分类。这种基于属性级别的卷积神经网络学习，使得深度学习更加具有针对性，而且同时也解决了训练数据不足的问题，深度学习得到语义属性组合特征对SAR图像的分类有较好的效果。
-
公开(公告)号：CN104866869B
公开(公告)日：2018-12-14
申请号：CN201510292485.0
申请日：2015-05-29
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 一种基于分布差异与增量学习的时序SAR图像分类方法，包括增量样本的选取和增量样本的增量学习。首先采用基于分布差异的方法对时间序列SAR图像进行变化检测，利用Egdeworth逼近原理估计源域和目标域SAR图像的统计分布，计算图像分布的交叉熵差异指数，并根据CFAR方法获取的检测阈值得到变化检测图，将未变化的区域作为增量样本；然后利用源域图像的已知训练集初始化SVM分类器，并通过迭代过程完成整个增量样本集的增量学习和SVM分类模型的参数更新。分布差异变化检测方法和支持向量机增量学习相结合，能够完成从源域到目标域的域自适应，从而实现目标域图像的高精度分类。
-
公开(公告)号：CN108446716A
公开(公告)日：2018-08-24
申请号：CN201810124693.3
申请日：2018-02-07
Applicant: 武汉大学
Abstract: 本发明公开了一种基于FCN与稀疏-低秩子空间表示融合的PolSAR图像分类方法，充分利用了FCN能够从PolSAR数据本身自动地学习非线性的深层多尺度空间特征的强大能力，以及基于稀疏-低秩图嵌入的线性降维算法能够在一个低维子空间中同时捕获PolSAR数据的局部和全局结构信息的优势，并对FCN和稀疏-低秩子空间表示进行有效地融合，解决了PolSAR图像的非线性深层空间特征提取问题、降维问题，以及极化信息和空间信息的有效融合问题，并有效解决PolSAR图像的分类问题。本发明获得的融合的多层次子空间特征含有多种类型的信息，包括线性的和非线性的、浅层的和深层的、局部的和全局的，以及极化的和多尺度空间的，因此具有很强的判别性，能够大大提高PolSAR图像的分类准确率。
-
公开(公告)号：CN106485269A
公开(公告)日：2017-03-08
申请号：CN201610859127.8
申请日：2016-09-28
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供一种基于混合统计分布与多部件模型的SAR图像目标检测方法，首先对SAR图像训练集进行混合统计分布建模，包括对训练集中所有SAR图像分别构建空间金字塔，然后对金字塔中任一层子图像建立混合统计分布模型，对混合统计分布模型的表达式取对数，然后将期望最大化算法与MoLC参数估计方法相结合，对混合统计模型的参数进行估计；多部件模型训练与目标检测，将混合统计分布与多部件模型相结合，对SAR图像训练集中的所有图像构建混合统计分布特征金字塔，根据根滤波器窗口和部件滤波器窗口，得到目标检测框。本发明混合统计分布特征与多部件模型的结构信息相结合，能够实现SAR图像中不同目标整体与结构的准确检测。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.018 seconds)
