公开(公告)号：CN119851039A

公开(公告)日：2025-04-18

申请号：CN202510048790.9

申请日：2025-01-13

Applicant: 大连理工大学

Inventor： 马晓瑞 ,  周宏 ,  赵园园 ,  王洪玉 ,  王洁

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/094 ,  G06N3/084 ,  G06N3/082 ,  G06N3/0495

Abstract: 本发明提供一种基于虚拟样本扩展的增量式高光谱图像分类方法，属于遥感图像处理与应用技术领域。首先，对高光谱图像原始数据进行数据预处理；其次，构建虚拟样本扩展网络并训练初始阶段的虚拟样本扩展网络；再次，搭建并训练初始阶段的增量式高光谱图像分类模型；最后，利用虚拟样本扩展网络和动量知识蒸馏进行增量阶段的增量式高光谱图像分类模型的训练，进行分类并输出结果。本发明可对采集于不同高光谱成像仪的高光谱图像进行增量学习，从而实现学习新类别的同时，不遗忘旧类别的分类能力；本发明为增量式实现高光谱图像分类提供了一种可行的解决方案，使高光谱图像分类理论离大规模实际用更进一步。

公开(公告)号：CN117392443A

公开(公告)日：2024-01-12

申请号：CN202311308679.6

申请日：2023-10-09

Applicant: 大连理工大学

Inventor： 马晓瑞 ,  周宏 ,  赵园园 ,  王洪玉 ,  王洁

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06V20/10 ,  G06N3/096 ,  G06N3/0464

Abstract: 本发明提供一种基于动态学习的增量式高光谱图像分类方法及装置，属于遥感图像应用技术领域。首先将采集的高光谱图像原始数据构建为数据集；初始化阶段，使用基类数据集中的训练样本及对应的标签数据训练模型，以实现对基类的准确分类；增量阶段，采用动态结构重组策略将主分支蒸馏与侧分支更新相结合，为新类的学习留下结构化的空间。本发明在上述可动态扩展结构的基础上，提出原型选择机制，通过选择性地将新类样本加入到蒸馏过程中，能够增强新旧类之间的区别，提高分类精度；本发明为持续性增量情况下实现精确的高光谱图像分类提供了一种可行的解决方案。