-
公开(公告)号：CN114913368B
公开(公告)日：2024-08-20
申请号：CN202210461977.8
申请日：2022-04-28
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/30 , G06V10/26 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明涉及一种基于自步双向对抗学习的融合遥感图像分类方法，包括获取第一MS图、第一PAN图；根据第一MS图、第一PAN图得到第一MS图像块、第一PAN图像块；将第一MS图像块和第一PAN图像块输入对抗网络得到第二MS图和第二PAN图；根据第一MS图、第一PAN图、第二MS图和第二PAN图得到统一大小的第三MS图像块、第三PAN图像块、第四MS图像块和第四PAN图像块；将三元组输入分类网络，对得到的损失函数整合在一起，基于自步学习的训练策略，得到训练好的分类网络；利用训练好的分类网络对待分类的图像进行分类得到分类结果。本发明采用自步学习的学习训练策略，让网络在难易样本中先后对易样本和难样本进行训练，使整个网络的训练变得平滑且迅速，提高网络效率。
-
公开(公告)号：CN114913368A
公开(公告)日：2022-08-16
申请号：CN202210461977.8
申请日：2022-04-28
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/30 , G06V10/26 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于自步双向对抗学习的融合遥感图像分类方法，包括获取第一MS图、第一PAN图；根据第一MS图、第一PAN图得到第一MS图像块、第一PAN图像块；将第一MS图像块和第一PAN图像块输入对抗网络得到第二MS图和第二PAN图；根据第一MS图、第一PAN图、第二MS图和第二PAN图得到统一大小的第三MS图像块、第三PAN图像块、第四MS图像块和第四PAN图像块；将三元组输入分类网络，对得到的损失函数整合在一起，基于自步学习的训练策略，得到训练好的分类网络；利用训练好的分类网络对待分类的图像进行分类得到分类结果。本发明采用自步学习的学习训练策略，让网络在难易样本中先后对易样本和难样本进行训练，使整个网络的训练变得平滑且迅速，提高网络效率。
-
公开(公告)号：CN118365684A
公开(公告)日：2024-07-19
申请号：CN202410590606.9
申请日：2024-05-13
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于伪标签学习的部分重叠点云配准方法，包括：获取待配准的源点云和模板点云后，分别输入预先训练好的点云配准模型，使点云配准模型执行如下步骤：利用注意力图卷积网络分别对源点云和模板点云进行特征提取，得到源点云的特征图FS及模板点云的特征图FT；根据特征图FS及特征图FT，确定源点云与模板点云之间的第一重叠区域；利用注意力图卷积网络提取第一重叠区域的特征图FO，基于特征图FS和特征图FO确定第一重叠区域所包含模板点云的各像素点与源点云中相应像素点的第一对应关系，并利用对应像素点的差异性对第一对应关系进行过滤；基于过滤后得到的最终对应关系对源点云及模板点云进行配准。本发明提高了无监督部分重叠点云配准的精度。
-
公开(公告)号：CN117541859A
公开(公告)日：2024-02-09
申请号：CN202311486425.3
申请日：2023-11-08
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V20/13 , G06V10/774 , G06V10/25
Abstract: 本发明公开了一种基于船舶检测的邻域去除与强调网络的图像目标检测方法，涉及图像处理技术领域，解决了现有技术中小型船舶在复杂背景下特征容易丢失，以及检测精度低于大型船舶的问题；该方法包括：获取待检测图像，采用邻域去除策略对图像进行无效邻域去除，得到处理后的数据集，其中，待检测图像中包括船舶；对处理后的数据集进行特征提取，得到多层特征图；利用邻域特征强调模块形成的权重图对多层特征图进行强调处理，得到强调后的图像；实现了对图像上目标周围的不合理邻域进行了去除，且自适应地识别特征图上每艘船舶的检测邻域，并在特征图上突出显示检测船舶，使得检测精度提高。
-
-
-
Search Results
4
records
(took 0.026 seconds)
