-
公开(公告)号：CN119399473A
公开(公告)日：2025-02-07
申请号：CN202411606296.1
申请日：2024-11-12
Applicant: 中国矿业大学
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于KAN‑Mamba的多源遥感图像语义分割方法及装置，用于提高遥感图像语义分割的准确度，包括KAN‑Mamba特征提取网络和Uper_Head解码器；所述KAN‑Mamba特征提取网络包括一个Stem卷积神经网络和四阶段的KAN‑Mamba特征提取模块，通过KAN‑Mamba特征提取网络对融合遥感图像进行分阶段的特征提取，获取多尺度特征；所述Uper_Head解码器，包括侧边特征构建单元、池化单元、特征融合单元和分类层，通过侧边特征构建单元和池化单元对多尺度特征进行侧边特征构建、池化操作，再通过特征融合单元进行逐级的特征融合，接着通过BottleNeck层进行通道融合，最后通过分类层得到语义分割标签。本发明对于多源遥感图像的语义分割准确率更高、模型收敛更快、细节信息更精确。
-
公开(公告)号：CN118505996A
公开(公告)日：2024-08-16
申请号：CN202410644904.1
申请日：2024-05-23
Applicant: 中国矿业大学
Inventor： 赵佳琦 , 王亚日 , 周勇 , 杜文亮 , 阿卜杜穆塔利布·埃尔·萨迪克
Abstract: 本发明提出一种基于多尺度特征融合和多分辨率采样掩膜生成的遥感图像实例分割方法，包括：步骤1，获取遥感图像实例分割数据集，步骤2：搭建改进的Mask R‑CNN网络模型，由主干网络swin transformer和特征金字塔FPN得到初始多尺度特征图，使用双维度加权模块对其加权融合，得到融合后多尺度特征图。融合后特征图经过区域建议网络RPN，得到各个实例的粗略位置。使用多种分辨率的RoIAlign算法，在初始和融合后特征图的目标位置处分别提取感兴趣特征图。融合后的感兴趣特征图用于分类和边界框检测。对融合前后的感兴趣特征图计算交叉注意力，预测分割结果。步骤3，利用遥感数据集对步骤2中搭建的实例分割模型进行训练。步骤4，使用训练好的模型对遥感图像进行检测。
-
公开(公告)号：CN113128323B
公开(公告)日：2023-08-18
申请号：CN202010047847.0
申请日：2020-01-16
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/086 , G06N3/084
Abstract: 本发明公开了一种基于协同进化卷积神经网络学习的遥感图像分类方法，属于图像处理技术领域。首先初始化多个不同优化方法的相同网络，将初始化的网络同时进行训练,选取一个时间间隔，在每个时间间隔后，选取在测试集上分类准确率最高的网络，保存其模型的全部参数并将保存的模型参数赋予协同训练中剩余的网络，进行网络的迭代训练，每次丢弃表现较差的模型参数，继承表现最好的模型参数。使得每个优化方法充分发挥其功能，达到优化最大化，提高收敛速度，达到较高的准确率。本发明可对大规模的高分辨率遥感图像进行场景分类，大大提高遥感图像分类的准确性，可用于自然灾害的检测与评估，环境监测等领域，减少判断与决策失误性，减少损失。
-
公开(公告)号：CN110968735B
公开(公告)日：2023-06-20
申请号：CN201911163066.1
申请日：2019-11-25
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V10/764 , G06V10/74 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于球面相似度层次聚类的无监督行人重识别方法，用球面相似度衡量行人图片之间的相似度，减弱因摄像头位置不同导致的光线、角度等结构化的差异；同时，将图片特征向量进行归一压缩到球面之后，对于特征的类别区分更清晰明确。本发明将基于球面相似度的层次聚类方法和通过球面特征压缩进行图片分类的方法进行整合，能够在没有人工进行图片标注的前提下对行人图像进行检索，并达到较高的检索准确率。
-
-
Patent Agency Ranking
-
公开(公告)号：CN109993782B
公开(公告)日：2020-12-04
申请号：CN201910261455.1
申请日：2019-04-02
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于图像分割的环形生成对抗网络的异源遥感图像配准方法及装置，根据两组异源遥感图像数据，获取训练样本；对输入图像进行图像分割，获得分割图像；构建基于图像分割的环形生成对抗网络；构建图像块的生成对抗网络；训练两个生成对抗网络；将生成图像与待配准图像进行同源图像配准。针对非匹配的异源遥感数据，本发明能够约束生成对抗网络生成图像的空间信息一致性，并提供全尺寸空间信息一致的图像转换解决方案，将异源图像配准问题化简为同源图像配准问题，构建统一的异源遥感图像配准框架。
-
公开(公告)号：CN111145131A
公开(公告)日：2020-05-12
申请号：CN201911187619.7
申请日：2019-11-28
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多尺度生成式对抗网络的红外和可见光图像融合方法，解决由光谱分辨率和空间分辨率制约以及物理条件的限制，红外图像具有很高的光谱分辨率而其空间分辨率却较低的问题。包括：第一阶段，构造生成式对抗网络模型，利用高分辨率可见光图像生成高质量红外图像，一方面红外图像数据得到了增强扩充，另一方面提高了红外图像的分辨率；第二阶段，通过高分辨率可见光图像与其低通版本的差乘以增益因子获得空间细节信息，然后将提取到的空间细节信息注入到第一阶段生成后的高分辨率红外图像中，最终得到融合后的高分辨率图像，使得融合图像可以同时保持红外图像中的热辐射信息和可见图像中的纹理信息。
-
公开(公告)号：CN110796105A
公开(公告)日：2020-02-14
申请号：CN201911064946.3
申请日：2019-11-04
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于多模态数据融合的遥感图像语义分割方法，属于计算机视觉领域。具体实现：1)使用遥感图像多模态数据集，包括遥感图像及对应的深度图构建双流的语义分割网络：2)分别对输入图像提取不同尺度的特征，将获取的特征进行多层的特征融合；3)使用注意力机制对网络解码器部分的输入特征与编码器特征进行丰富语义信息的提取，关注相似的像素点。本发明利用多模态的遥感数据集，结合双流网络结构，融合提取的特征，并使用注意力机制关注融合特征与解码特征，从而优化模型性能。
-
公开(公告)号：CN110363215A
公开(公告)日：2019-10-22
申请号：CN201910469411.8
申请日：2019-05-31
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于生成式对抗网络的SAR图像转化为光学图像的方法，利用深度学习和图像处理方法完成SAR图像到光学图像转化的技术，通过分割和再拼接，完成将大幅SAR图像转化为便于理解的光学图像的任务。本发明能够实现人工干预工作量大大减少，根据待处理场景的特点完成SAR图像的自动转化，图像细节部分处理效果较好，转化结果图像在保持地物空间结构信息方面与SAR图像保持一致，在纹理、色调和光谱等方面非常接近目标图像的效果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.029 seconds)
