-
公开(公告)号：CN115082786B
公开(公告)日：2025-04-11
申请号：CN202210638311.5
申请日：2022-06-07
Applicant: 哈尔滨理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 一种少量标记条件下的遥感图像目标检测方法，属于遥感图像智能处理技术领域，该方法以一阶段检测框架为基础结构，使用具有残差结构的卷积神经网络作为特征提取网络，并通过特征金字塔网络获取多尺寸特征图，充分利用特征信息；使用旋转边界框作为检测器输出，可以在鸟瞰图像上准确划分前景背景；此外，使用模型无关的元学习方法MAML对区域推荐网络进行元知识更新，推荐每个特征点位置可能包含目标的锚框；检测网络以推荐出的锚框为基准计算检测结果；经过元知识更新步骤，区域推荐网络学习到了同分布检测任务的先验知识，所以网络经过未见类小样本微调，即可得出准确的未见类目标检测结果。
-
公开(公告)号：CN116935121B
公开(公告)日：2024-04-19
申请号：CN202310899005.1
申请日：2023-07-20
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/10
Abstract: 本发明公开了一种面向跨地域光谱图像地物分类的双驱动特征学习方法，属于光谱图像地物分类技术领域，该方法构建基于统计分布驱动的域特征对齐项和基于模型驱动的域特征对齐项，共同驱动源域和目标域数据的投影特征子空间相互对齐，不仅优化了高光谱跨地域对齐能力，还提高了模型鲁棒性；构建了判别信息约束项，提高了投影特征子空间的领域判别性。最后采用交替方向乘子算法，通过交替优化策略求解目标函数，分别得到源域和目标域的两个对齐子空间；利用源域数据集在其子空间中的投影特征及类别标签训练分类器；将目标域数据在其子空间中投影特征送入训练好的分类器，以获得所述目标域数据集的分类标签。在公开跨地域光谱数据集上的实施结果表明，与现有方法相比，该方法分类精度更高，性能更加稳健。
-
Patent Agency Ranking
公开(公告)号：CN116935121A
公开(公告)日：2023-10-24
申请号：CN202310899005.1
申请日：2023-07-20
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/10
Abstract: 本发明公开了一种面向跨地域光谱图像地物分类的双驱动特征学习方法，属于光谱图像地物分类技术领域，该方法构建基于统计分布驱动的域特征对齐项和基于模型驱动的域特征对齐项，共同驱动源域和目标域数据的投影特征子空间相互对齐，不仅优化了高光谱跨地域对齐能力，还提高了模型鲁棒性；构建了判别信息约束项，提高了投影特征子空间的领域判别性。最后采用交替方向乘子算法，通过交替优化策略求解目标函数，分别得到源域和目标域的两个对齐子空间；利用源域数据集在其子空间中的投影特征及类别标签训练分类器；将目标域数据在其子空间中投影特征送入训练好的分类器，以获得所述目标域数据集的分类标签。在公开跨地域光谱数据集上的实施结果表明，与现有方法相比，该方法分类精度更高，性能更加稳健。
-
公开(公告)号：CN116758349A
公开(公告)日：2023-09-15
申请号：CN202310715371.7
申请日：2023-06-15
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法，属于图像分类技术领域，该方法构建了多尺度超像素模块，利用节点聚合操作，在多个尺度上构建不同的图，不仅可以减轻大图带来的计算负担，而且可以从不同角度描述类别边缘区域，提高边缘分类的准确性；构建了端到端的图卷积残差网络模块，能够更深入地挖掘了数据的潜在特征；设计了一个minibatch方案的图卷积残差网络以进一步考虑计算成本，并且加快网络收敛。基于多尺度超像素节点聚合图卷积残差网络的高光谱图像分类方法，根据不同尺度的超像素信息，探讨了不同区域的特征结构，增强了模型空谱特征的提取，与其他方法相比，精确度更高，性能更加稳健。
-
公开(公告)号：CN116932806A
公开(公告)日：2023-10-24
申请号：CN202310754589.3
申请日：2023-06-25
Applicant: 哈尔滨理工大学
Abstract: 一种基于特征关联表示的图文检索方法，属于跨模态检索技术领域，该方法是利用图像和文本特征构造特征关联矩阵。然后，利用神经网络学习生成哈希函数。最后，联合设计的损失函数帮助学习生成哈希码，以此来促进模型的自适应性，与其他方法相比，精确度更高，性能更加稳健。
-
公开(公告)号：CN116720092A
公开(公告)日：2023-09-08
申请号：CN202310687495.9
申请日：2023-06-11
Applicant: 哈尔滨理工大学
IPC: G06F18/2321 , G06F18/10 , G06F123/02
Abstract: 本发明涉及大数据的数据挖掘方法中的聚类算法，分析出租车载客数据，是结合计算机科学与实际生活领域的学科课题。载客数据分布并不均匀，使用的聚类算法有限。常规的DBSCAN聚类算法对数据量大的情况下，聚类时间消耗过长，并且参数调节困难。本发明从载客数据的时间特点入手，通过分析不同时间下的载客情况。提出一种基于载客数据的划分时间DBSCAN聚类算法，新增时间参数及时间约束参数。相对于常规的算法而言，本发明处理数据运行所消耗时间较少，性能得到优化。并且能够自由的选择具体时间下的聚类结果，聚类指标结果相比原算法均有提高。
-
公开(公告)号：CN115082786A
公开(公告)日：2022-09-20
申请号：CN202210638311.5
申请日：2022-06-07
Applicant: 哈尔滨理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 一种少量标记条件下的遥感图像目标检测方法，属于遥感图像智能处理技术领域，该方法以一阶段检测框架为基础结构，使用具有残差结构的卷积神经网络作为特征提取网络，并通过特征金字塔网络获取多尺寸特征图，充分利用特征信息；使用旋转边界框作为检测器输出，可以在鸟瞰图像上准确划分前景背景；此外，使用模型无关的元学习方法MAML对区域推荐网络进行元知识更新，推荐每个特征点位置可能包含目标的锚框；检测网络以推荐出的锚框为基准计算检测结果；经过元知识更新步骤，区域推荐网络学习到了同分布检测任务的先验知识，所以网络经过未见类小样本微调，即可得出准确的未见类目标检测结果。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
