-
公开(公告)号：CN116188988A
公开(公告)日：2023-05-30
申请号：CN202310200730.5
申请日：2023-03-03
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/762 , G06N3/006
Abstract: 本发明公开了一种基于多目标进化的遥感图像变化检测方法，包括：获取具有不同时相的第一待处理图像及第二待处理图像，并生成差异图；面向差异图生成初始种群；基于改进的高斯混合模型GMM计算初始种群中每个个体的第一目标函数；基于噪声抑制算法计算每个个体的第二目标函数；利用基于分解的多目标进化算法MOEA/D对所述第一目标函数及所述第二目标函数进行迭代优化并更新非支配结果集合；根据非支配结果集合，获得第一待处理图像与第二待处理图像间的变化检测结果。本发明降低了检测过程中陷入局部最优的风险，并实现变化检测中噪声抑制与变化细节保护之间平衡的自主控制。
-
公开(公告)号：CN118690799A
公开(公告)日：2024-09-24
申请号：CN202410522400.2
申请日：2024-04-28
Applicant: 西北工业大学深圳研究院
IPC: G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/086 , G06N3/047
Abstract: 本发明公开了一种基于进化多目标优化的卷积神经网络压缩方法，包括：对训练好的卷积神经网络中的卷积层和全连接层进行编码，随机生成多个编码个体并组成初始网络种群；计算每个个体解码后对应的卷积神经网络模型精度的适应度函数值和卷积神经网络参数修剪比例适应度函数值，进行非支配排序和拥挤距离度量；将初始网络种群作为父代网络种群，进行遗传操作生成新的子代个体，生成规模为N的子代网络种群；将父代网络种群与子代网络种群结合后再进行非支配排序、拥挤距离度量和精英保持策略，选择最优的前N个个体，得到更新后的网络种群，对每一个卷积神经网络模型进行微调，得到一组卷积神经网络模型。本发明能够有效避免重复计算造成的成本提升，同时保持高分类精度。
-
公开(公告)号：CN116994055A
公开(公告)日：2023-11-03
申请号：CN202310990499.4
申请日：2023-08-08
Applicant: 西北工业大学
IPC: G06V10/764 , G06N3/006 , G06N3/126 , G06V10/771 , G06V10/774 , G06V20/10
Abstract: 本发明公开了一种基于进化多任务集成学习的高光谱图像分类方法，包括：将有标签样本作为训练集预训练各个基分类器，将待分类无标签样本输入预训练好的基分类器分类；根据待分类无标签样本在基分类器的分类结果，使用样本扩充策略进行样本扩充，对剩余待分类无标签样本加权均值滤波；基于样本扩充的训练集建立针对各个基分类器的特征选择任务，利用设计的多任务进化优化方法为每个特征选择任务选择目标最优特征子空间；基于目标最优特征子空间集映射得到低维训练集和低维待分类无标签样本；基于低维训练集对预训练好的基分类器再训练，使用训练好的基分类器对低维待分类无标签样本分类，集成分类结果。本发明提高了高光谱图像的分类性能。
-
公开(公告)号：CN116246104A
公开(公告)日：2023-06-09
申请号：CN202310093690.9
申请日：2023-02-07
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/58 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于自适应谱感知演化神经网络的高光谱图像分类方法，包括：从高光谱图像数据集中提取其中有类别标签的样本构成训练样本集，提取其中无类别标签的样本构成测试样本集；基于进化算法搜索由光谱特征感知卷积模块组成的多尺度谱感知卷积神经网络网络；利用训练样本集训练搜索到的最优网络，得到训练完成的高光谱图像分类网络；利用高光谱图像分类网络得到测试样本集中各待测样本的分类结果，并利用各待测样本的分类结果以及有类别标签的数据体样本中各像素的类别，得到高光谱图像数据体的分类结果图。本发明通过考虑高光谱图像的特性，能有效提取高光谱图像的空间信息和光谱信息，提高高光谱图像分类效果。
-
-
-
Search Results
4
records
(took 0.026 seconds)
