公开(公告)号：CN119649213A

公开(公告)日：2025-03-18

申请号：CN202411669356.4

申请日：2024-11-21

Applicant: 广州大学

Inventor： 唐浩劲 ,  李鸿毅 ,  唐冬 ,  杨小飞

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06V30/19 ,  G06N3/0455 ,  G06N3/094

Abstract: 本发明涉及图像处理技术，为基于文本感知的跨域小样本学习高光谱图像分类方法及系统。其方法包括步骤：设计域不可知的先验语义信息描述方法，对源域和目标域的类别名称进行二次分类，将二次分类语义信息嵌入到每个高光谱图像像素的文本模板中；构建基于双分支transformer的高光谱图像分类模型，提取跨域的视觉空谱特征和文本空谱特征；设计文本感知空谱域自适应策略；计算训练阶段的总损失，分类模型和条件域判别器进行联合训练，将分类模型总损失定义为分类模型的特征分类对比损失与文本感知空谱域自适应策略的损失之和；应用训练后的分类模型对跨域高光谱图像进行分类。本发明将模型泛化到目标域的未见类别，减轻了领域偏移，提高了模型的泛化性能。

公开(公告)号：CN119723152A

公开(公告)日：2025-03-28

申请号：CN202411602557.2

申请日：2024-11-11

Applicant: 广州大学

Inventor： 唐冬 ,  罗育雄 ,  杨小飞

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种高光谱遥感图像分类方法和装置，方法包括：获取待分类图像；将待分类图像输入目标多特征融合保留网络模型，得到高光谱遥感图像分类结果；其中，目标多特征融合保留网络模型通过以下步骤得到：获取初始高光谱遥感图像；对初始高光谱遥感图像进行预处理，得到目标高光谱遥感图像；根据预设尺寸大小，对目标高光谱遥感图像进行随机采样，得到模型输入图像；构建初始多特征融合保留网络模型；将多个模型输入图像输入初始多特征融合保留网络模型，以使初始多特征融合保留网络模型进行训练，得到目标多特征融合保留网络模型。本发明实现了高光谱遥感图像分类，提高了效率和准确度。本发明可广泛应用于图像识别技术领域。

公开(公告)号：CN118485863A

公开(公告)日：2024-08-13

申请号：CN202410574679.9

申请日：2024-05-10

Applicant: 广州大学

Inventor： 杨小飞 ,  罗育雄 ,  唐冬 ,  唐浩劲 ,  周正

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/42 ,  G06V10/58 ,  G06V10/82

Abstract: 本发明公开了一种高光谱遥感图像的分类方法、系统、电子设备及存储介质，该方案通过获取高光谱遥感图像，对高光谱遥感图像进行预处理，得到标准高光谱遥感图像数据；然后，对标准高光谱遥感图像数据进行全局特征提取操作，得到第一子特征图，并对第一子特征图进行远程依赖性处理，得到第一输出特征图；然后，根据第一输出特征图进行多特征分层提取操作，得到空间光谱特征图，该空间光谱特征图包括显著空间光谱特征和细微空间光谱特征；再对空间光谱特征图进行全局池化和线性处理，得到分类结果。通过多特征分层提取操作，提取高光谱遥感图像中的不同层次的特征，实现细微差异的光谱特征的提取。本发明实施例可广泛应用于图像分类领域。

公开(公告)号：CN119809932A

公开(公告)日：2025-04-11

申请号：CN202411884247.4

申请日：2024-12-19

Applicant: 广州大学

Inventor： 唐冬 ,  李思环 ,  杨小飞

IPC: G06T3/4053 ,  G06N3/045 ,  G06N3/0464

Abstract: 本申请涉及计算机视觉和图像处理领域，其具体地公开了一种基于Transformer和RNN的高光谱超分辨率重建方法，其首先对初始数据集进行预处理和均值归一化以得到归一化特征张量，并在归一化特征张量的第1个维度增加一个维度，接着通过编码模块对处理后的数据进行空间维度和光谱维度的卷积操作和权重归一化以得到编码特征张量，然后通过四个光谱‑空间残差模块对编码特征张量更深层的特征提取以得到重建图像，最后使用反3D卷积对重建图像进行解码。本申请通过空间混合和通道混合的串联，采用改进的线性注意力机制来代替传统的transform，实现了高光谱图像的高效和精准重建。

公开(公告)号：CN119740025A

公开(公告)日：2025-04-01

申请号：CN202411692442.7

申请日：2024-11-25

Applicant: 广州大学

Inventor： 唐冬 ,  陈振浩 ,  杨小飞

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/25 ,  G06F18/2415 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06F123/02

Abstract: 本申请公开了一种设备状态预测方法、装置、电子设备及存储介质，所述方法包括：获取待预测的设备运行数据；获取状态预测模型，所述状态预测模型通过多个设备时间序列数据训练；利用所述状态预测模型根据所述设备运行数据，进行特征提取和概率分布映射，输出设备预测状态。本申请能够实现设备状态预测，提高设备状态预测的效率和准确度，有助于提前预知设备的工作状态和故障可能，避免由于未能及时发现设备运行故障导致的重大损失，可广泛应用于工业设备技术领域。

公开(公告)号：CN119810115A

公开(公告)日：2025-04-11

申请号：CN202411869376.6

申请日：2024-12-17

Applicant: 广州大学

Inventor： 唐冬 ,  李林 ,  杨小飞

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明公开了一种混合结构的医学图像分割系统，通过结合卷积神经网络、高效通道注意力模块和Transformer，以提高分割精度和效率，对医疗图像数据集Synapse进行预处理，然后利用三层卷积神经网络进行浅层特征提取，接着通过高效通道注意力模块增强特征，再将这些高分辨率特征图输入到Transformer中进行深层特征处理，最后通过解码器部分的卷积神经网络进行上采样操作，得到最终的预测分割结果。通过在跳跃连接中加入通道注意力，增强了特征融合能力，从而提高了分割结果的准确性，为医学图像分割领域提供了一种高效的方法。