-
公开(公告)号：CN118587136A
公开(公告)日：2024-09-03
申请号：CN202410717318.5
申请日：2024-06-04
Applicant: 南京理工大学
IPC: G06T5/92 , G06T5/80 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种机载LiDAR和高光谱协同探测的地物分类原型增强网络方法，包括：机载LiDAR和高光谱协同的数据采集；LiDAR数据辅助的高光谱数据校准；分配辅助模态并构建元任务；采用深度残差学习分别进行双模态特征编码；利用同场景辅助LiDAR模态协同基础高光谱模态进行模态间增强原型学习；利用目标场景辅助高光谱模态对增强的原型进行模态内增强原型学习；采用对抗学习减小不同来源、不同模态数据间的分布差异；基于双模态增强原型的少样本分类；使用加权损失函数训练网络。本发明利用辅助模态提供的先验知识，改进复杂场景下的少样本原型表征，设计了模态间和模态内增强原型学习模块以获得更细粒度且更稳定的原型。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
