-
公开(公告)号：CN111695467A
公开(公告)日：2020-09-22
申请号：CN202010485713.7
申请日：2020-06-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于超像素样本扩充的空谱全卷积高光谱图像分类方法，输入高光谱图像；获取训练集与测试集；对高光谱图像进行主成分分析并降维；对降维结果进行熵率分割；生成伪标签样本；更新训练集；对高光谱图像进行数据预处理；输入卷积神经网络；训练卷积神经网络，对高光谱图像进行分类；重复以上操作并投票表决；输出高光谱分类结果。本发明利用熵率超像素分割结果进行了伪标签样本的扩充，充分利用了高光谱图像的先验特征，增加样本数量，缓解了网络过拟合、网络收敛速度慢的问题，提高了有标记样本稀缺情况下高光谱图像分类的准确性。
-
公开(公告)号：CN111860124B
公开(公告)日：2024-04-02
申请号：CN202010500467.8
申请日：2020-06-04
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V20/10 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/58 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本发明公开了一种基于空谱胶囊生成对抗网络模型的遥感图像分类方法。该方法的主要步骤为：1、创建生成对抗网络模型；2、确定样本集；3、采用步骤2的样本集训练生成对抗网络模型；4、模型准确性验证；5、向训练后的生成对抗网络模型中输入待分类高光谱遥感图像，获得分类结果。本方法充分利用了光谱信息和空间信息，能够准确建模样本相对位置等细节特征，使得分类精度以及分类效率低大大提升。
-
公开(公告)号：CN113780146A
公开(公告)日：2021-12-10
申请号：CN202111039219.9
申请日：2021-09-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于轻量化神经架构搜索的高光谱图像分类方法及系统，利用模块化的轻量化候选操作搭建超网，通过加权混合操作将边上离散的候选操作连续化，以梯度优化的方式对超网进行双层优化，同时通过子网权重共享加快模型搜索速度。随后，在优化过程中利用贪心决策选择一条未离散的边，保留边上架构参数最大的操作，删除该边中的其余操作，剩下的网络构成新的超网，利用上述方式迭代优化新的超网，并随着边的不断离散与边上操作的删除，使超网不断简化，最终得到用于高光谱图像分类的轻量化深度神经网络架构。本发明充分利用了轻量化模块构建超网，实现基于顺序贪心的神经架构搜索方法，能够自动生成参数量更少、分类精度更高的网络架构。
-
公开(公告)号：CN111860124A
公开(公告)日：2020-10-30
申请号：CN202010500467.8
申请日：2020-06-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空谱胶囊生成对抗网络模型的遥感图像分类方法。该方法的主要步骤为：1、创建生成对抗网络模型；2、确定样本集；3、采用步骤2的样本集训练生成对抗网络模型；4、模型准确性验证；5、向训练后的生成对抗网络模型中输入待分类高光谱遥感图像，获得分类结果。本方法充分利用了光谱信息和空间信息，能够准确建模样本相对位置等细节特征，使得分类精度以及分类效率低大大提升。
-
公开(公告)号：CN111695469B
公开(公告)日：2023-08-11
申请号：CN202010486459.2
申请日：2020-06-01
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/58 , G06V20/10 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种轻量化深度可分离卷积特征融合网的高光谱图像分类方法，处理高光谱图像，并进行归一化处理获得样本集，对样本集进行分类，完成数据预处理；设置光谱信息提取模块、空间信息提取模块和多层特征融合模块，完成训练模型构建；使用构建的训练模型对预处理的卷积神经网络进行训练，得到最终训练结果；将卷积神经网络运行重复N次，通过N次测试结果进行投票表决得到最终的分类结果，进行高光谱图像分类；根据高光谱图像分类结果输出分类图像。本发明采用光谱信息与空间信息相融合的方法，降低参数数量，增加网络深度，提升网络运行效率，改善了分类准确度。
-
Patent Agency Ranking
-
公开(公告)号：CN113947712A
公开(公告)日：2022-01-18
申请号：CN202111028713.5
申请日：2021-09-02
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于胶囊微分对抗网络的高光谱异常检测方法与系统，该方法包括：获取待测高光谱图像；将待测高光谱图像输入至预先训练完成的生成对抗网络，得到待测高光谱图像对应的重建图像以及重建图像中各像素点的异常概率；生成对抗网络是基于背景样本训练集训练获得的，生成对抗网络包括级联的生成器和判别器，生成器用于生成与其输入图像数据分布相似的重建图像数据，判别器用于判断其输入数据的真假；生成器和判别器均为一维胶囊网络结构。本发明的方法，利用预先训练完成的生成对抗网络对待测高光谱图像的异常进行检测，生成对抗网络相比于传统卷积神经网络能有效缓解过拟合的问题，能更好地适用于数据不均衡的高光谱异常检测场景。
-
公开(公告)号：CN113780147A
公开(公告)日：2021-12-10
申请号：CN202111039222.0
申请日：2021-09-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种轻量化动态融合卷积网的高光谱地物分类方法及系统，对高光谱图像进行归一化处理，划分训练集，验证集和测试集；设置双路互连特征提取模块和分类模块，构建网络模型；利用训练集训练网络模型，并利用验证集对网络模型进行验证，将验证集上精度最高的一代网络模型权重作为最终的分类模型权重；将测试集输入精度最高的一代网络模型中进行测试得到最终的分类结果，进行高光谱图像分类，根据分类结果输出分类图像。本发明进一步降低了网络参数量，减少了网络训练时间，并在较少的训练样本条件下取得了更优的分类效果。
-
公开(公告)号：CN113780146B
公开(公告)日：2024-05-10
申请号：CN202111039219.9
申请日：2021-09-06
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于轻量化神经架构搜索的高光谱图像分类方法及系统，利用模块化的轻量化候选操作搭建超网，通过加权混合操作将边上离散的候选操作连续化，以梯度优化的方式对超网进行双层优化，同时通过子网权重共享加快模型搜索速度。随后，在优化过程中利用贪心决策选择一条未离散的边，保留边上架构参数最大的操作，删除该边中的其余操作，剩下的网络构成新的超网，利用上述方式迭代优化新的超网，并随着边的不断离散与边上操作的删除，使超网不断简化，最终得到用于高光谱图像分类的轻量化深度神经网络架构。本发明充分利用了轻量化模块构建超网，实现基于顺序贪心的神经架构搜索方法，能够自动生成参数量更少、分类精度更高的网络架构。
-
公开(公告)号：CN111695469A
公开(公告)日：2020-09-22
申请号：CN202010486459.2
申请日：2020-06-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种轻量化深度可分离卷积特征融合网的高光谱图像分类方法，处理高光谱图像，并进行归一化处理获得样本集，对样本集进行分类，完成数据预处理；设置光谱信息提取模块、空间信息提取模块和多层特征融合模块，完成训练模型构建；使用构建的训练模型对预处理的卷积神经网络进行训练，得到最终训练结果；将卷积神经网络运行重复N次，通过N次测试结果进行投票表决得到最终的分类结果，进行高光谱图像分类；根据高光谱图像分类结果输出分类图像。本发明采用光谱信息与空间信息相融合的方法，降低参数数量，增加网络深度，提升网络运行效率，改善了分类准确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.062 seconds)
