公开(公告)号：CN119942088A

公开(公告)日：2025-05-06

申请号：CN202510244087.5

申请日：2025-03-03

Applicant: 南京邮电大学

Inventor： 陈蕾 ,  夏欣 ,  黄楠 ,  徐梓涵 ,  张锋 ,  鲍庆森

IPC: G06V10/25 ,  G06N3/045 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种可信遥感目标检测方法，包括以下步骤：S1.获取训练数据集；S2.以Oriented‑RCNN为基线模型，构建可信遥感目标检测模型；S3.训练可信遥感目标检测模型；S4.获取遥感目标检测测试数据集；S5.将测试图像输入训练好的遥感目标检测模型中，分别获取经过上下文增强后的RoI区域和未经过上下文增强的RoI区域，随后使用可信遥感目标检测模型获取分类结果和预测框位置；S6.对分类结果进行D‑S证据融合以获取融合后的分类结果，并与预测框位置一同输出，获取最终的预测结果。本发明解决了遥感目标检测中由于过度自信而难以应用于风险敏感领域的问题以及不合时宜引入上下文导致的性能下降问题。

公开(公告)号：CN119380059A

公开(公告)日：2025-01-28

申请号：CN202411481967.6

申请日：2024-10-23

Applicant: 南京邮电大学

Inventor： 黄楠 ,  吴桐 ,  郑志忠 ,  刘鹏飞 ,  倪康

IPC: G06V10/762 ,  G06N3/0895 ,  G06V10/82 ,  G06N3/0464 ,  G06V20/10

Abstract: 本发明属于高光谱图像无监督技术领域，公开了一种基于局部‑全局双分支网络的高光谱图像自监督聚类方法，包括：(1)构造3D像素块；(2)通过ResNet模块获取浅层深度特征；(3)将浅层特征注入到双路径网络模块；(4)计算局部特征与聚类中心的相似性，得到局部语义概率分布，然后得到目标分布；(5)将全局特征送入前馈神经网络得到每个像素的概率，获取全局语义概率分布；(6)通过双重自监督机制构建网络损失函数指导整个网络模型的更新。本发明通过引入双路径网络架构挖掘高光谱图像的局部细节特征以及全局语义特征，有效提高了高光谱地物的识别精度。