公开(公告)号：CN112634324A

公开(公告)日：2021-04-09

申请号：CN202011416778.2

申请日：2020-12-07

Applicant: 中国地质大学(武汉)

Inventor： 韩荣 ,  蒋伟 ,  许祎晗

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度卷积神经网络的光流场估计方法，具体步骤：以卷积神经网络为基础构建Optical‑Flow‑Net‑S和Optical‑Flow‑Net‑C，简称OFNS和OFNC；以OFNS和OFNC为基础构建光流场估计模型Optical‑Flow‑Net‑Mix，简称ODNM；用光流数据集Flying Chairs和Flying Things3D先后对OFNM模型进行预训练和再训练；本发明设计的OFNM模型有效地提升了运动目标光流场估计的精度。

公开(公告)号：CN112149712B

公开(公告)日：2023-06-06

申请号：CN202010837881.8

申请日：2020-08-19

Applicant: 中国地质大学(武汉)

Inventor： 蒋伟 ,  陈分雄 ,  许祎晗 ,  廖森辉 ,  韩荣 ,  王杰 ,  熊鹏涛 ,  叶佳慧

IPC: G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种高效的高光谱遥感数据压缩与分类模型，具体步骤：对原始高光谱数据进行预处理，并将其分割成单个的高光谱像素；将全卷积自动编码器网络的编码部分的输出设计为二值输出，得到具有高效光谱压缩的自动编码器CAE，将CAE与逻辑回归LR分类器结合设计出具有高效光谱压缩与快速分类的联合深度学习网络CAE_LR，将CAE_LR与JPEG2000结合设计出具有光谱和空间全维度压缩与分类的方法CAE_LR+JP2；将训练完成的CAE_LR与JPEG2000结合进行率失真优化，实现CAE_LR+JP2在各个比特率下的最佳率失真性能；本发明设计的CAE_LR+JP2模型有效地提升了星载高光谱传感器与地面接收站之间的高光谱数据的压缩和分类的精度及速度。

公开(公告)号：CN112153659A

公开(公告)日：2020-12-29

申请号：CN202010848653.0

申请日：2020-08-21

Applicant: 中国地质大学(武汉)

Inventor： 蒋伟 ,  陈分雄 ,  许祎晗 ,  廖森辉 ,  韩荣 ,  王杰 ,  熊鹏涛 ,  叶佳慧

IPC: H04W16/22 ,  H04W52/02 ,  H04W84/18

Abstract: 本发明提供一种高效节能的星载无线传感器网络数据压缩模型的构建方法，包括：对原始传感数据去噪并进行归一化处理；应用D‑CRBM构造基于变分自编码器结构的CBN‑VAE数据压缩方法；将处理过的传感数据集用于网络的训练，训练采用基于弹性正交权重修正算法EOWM的连续学习，使网络能够以上下文相关的方式，连续学习数种不同的映射规则而不会受到干扰。本发明适用于一个无线传感器网络节点内集成有多种传感器收集的不同属性监测数据，以一种连续学习方式对传感器节点采集不同属性数据进行高效压缩和高精度重构，可降低网络通信能耗、计算能耗和存储能耗，提高无线传感器网络的生命工作周期。

公开(公告)号：CN112153659B

公开(公告)日：2022-05-03

申请号：CN202010848653.0

申请日：2020-08-21

Applicant: 中国地质大学(武汉)

Inventor： 蒋伟 ,  陈分雄 ,  许祎晗 ,  廖森辉 ,  韩荣 ,  王杰 ,  熊鹏涛 ,  叶佳慧

IPC: H04W16/22 ,  H04W52/02 ,  H04W84/18

Abstract: 本发明提供一种高效节能的星载无线传感器网络数据压缩模型的构建方法，包括：对原始传感数据去噪并进行归一化处理；应用D‑CRBM构造基于变分自编码器结构的CBN‑VAE数据压缩方法；将处理过的传感数据集用于网络的训练，训练采用基于弹性正交权重修正算法EOWM的连续学习，使网络能够以上下文相关的方式，连续学习数种不同的映射规则而不会受到干扰。本发明适用于一个无线传感器网络节点内集成有多种传感器收集的不同属性监测数据，以一种连续学习方式对传感器节点采集不同属性数据进行高效压缩和高精度重构，可降低网络通信能耗、计算能耗和存储能耗，提高无线传感器网络的生命工作周期。

公开(公告)号：CN112149712A

公开(公告)日：2020-12-29

申请号：CN202010837881.8

申请日：2020-08-19

Applicant: 中国地质大学(武汉)

Inventor： 蒋伟 ,  陈分雄 ,  许祎晗 ,  廖森辉 ,  韩荣 ,  王杰 ,  熊鹏涛 ,  叶佳慧

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种高效的高光谱遥感数据压缩与分类模型，具体步骤：对原始高光谱数据进行预处理，并将其分割成单个的高光谱像素；将全卷积自动编码器网络的编码部分的输出设计为二值输出，得到具有高效光谱压缩的自动编码器CAE，将CAE与逻辑回归LR分类器结合设计出具有高效光谱压缩与快速分类的联合深度学习网络CAE_LR，将CAE_LR与JPEG2000结合设计出具有光谱和空间全维度压缩与分类的方法CAE_LR+JP2；将训练完成的CAE_LR与JPEG2000结合进行率失真优化，实现CAE_LR+JP2在各个比特率下的最佳率失真性能；本发明设计的CAE_LR+JP2模型有效地提升了星载高光谱传感器与地面接收站之间的高光谱数据的压缩和分类的精度及速度。