-
公开(公告)号：CN118015356B
公开(公告)日：2024-10-11
申请号：CN202410154380.8
申请日：2024-02-04
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/80 , G06V10/30 , G06V10/40 , G06V10/58 , G06N3/042 , G06N3/0455 , G06N3/0464 , G01S17/86 , G01N21/25
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于高斯混合的变分动态融合网络的高光谱分类方法。首先，利用K近邻搜索构建两模态的多尺度空间图，并利用图卷积学习获得多尺度特征。提出基于高斯混合的空间拓扑约束，通过约束两模态的拓扑一致性，抑制光谱噪声干扰。然后，设计多尺度动态图聚合模块以捕获多尺度特征中可共享的类辨识信息，并通过挖掘适合当前样本的个性化融合模式提升模型对地物尺度变化的适应能力，实现对模态信息的充分挖掘。最后，推导了两模态联合分布的证据下界，构建了多模态VAE，通过优化证据下界建模多模态联合分布，学习模态间复杂的非线性关系，实现了多模态数据融合，提高了复杂场景下高光谱图像分类的精度。
-
公开(公告)号：CN119992199A
公开(公告)日：2025-05-13
申请号：CN202510085621.2
申请日：2025-01-20
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本申请公开了一种基于批判反思性学习的开放集跨域高光谱图像分类方法和网络，属于计算机视觉技术领域，包括：对源域数据和目标域数据进行特征提取，获取源域嵌入特征和目标域嵌入特征；将源域嵌入特征和目标域嵌入特征分别输入到教师网络和学生网络，以获取教师网络输出和学生网络输出；将教师网络输出的维度扩充至学生网络输出的维度，得到修正后的教师网络，同时控制学生网络学习修正的教师网络的输出结果，得到修正的学生网络；将目标域嵌入特征输入修正的学生网络，获取对目标域数据的类别预测结果。本申请将教师‑学生的思想引入开放集跨域高光谱图像分类任务，通过教师网络指导使学生网络掌握已知/未知类别的决策边界。
-
公开(公告)号：CN119251556A
公开(公告)日：2025-01-03
申请号：CN202411284854.7
申请日：2024-09-13
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于因果元解耦学习的高光谱图像分类方法。首先，通过模拟领域泛化情景，帮助模型从中归纳出域不变的因果元知识，确保其对未见目标域的强泛化能力。其次，提出了因果元解耦学习，建立了基于分布解耦、虚拟域生成、不变‑泛化风险最小化的因果元知识归纳框架，为高光谱领域泛化提供了新范式。通过不变因果效应损失，约束相同类别的高光谱图像在不同领域具有不变的因果效应，实现了数据和标签之间真实因果关联的准确捕获，从而有效提升模型在目标域不可见的领域泛化任务中的分类性能。
-
公开(公告)号：CN118015356A
公开(公告)日：2024-05-10
申请号：CN202410154380.8
申请日：2024-02-04
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/80 , G06V10/30 , G06V10/40 , G06V10/58 , G06N3/042 , G06N3/0455 , G06N3/0464 , G01S17/86 , G01N21/25
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于高斯混合的变分动态融合网络的高光谱分类方法。首先，利用K近邻搜索构建两模态的多尺度空间图，并利用图卷积学习获得多尺度特征。提出基于高斯混合的空间拓扑约束，通过约束两模态的拓扑一致性，抑制光谱噪声干扰。然后，设计多尺度动态图聚合模块以捕获多尺度特征中可共享的类辨识信息，并通过挖掘适合当前样本的个性化融合模式提升模型对地物尺度变化的适应能力，实现对模态信息的充分挖掘。最后，推导了两模态联合分布的证据下界，构建了多模态VAE，通过优化证据下界建模多模态联合分布，学习模态间复杂的非线性关系，实现了多模态数据融合，提高了复杂场景下高光谱图像分类的精度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
