公开(公告)号：CN118736317A

公开(公告)日：2024-10-01

申请号：CN202410896961.9

申请日：2024-07-05

Applicant: 北京理工大学

Inventor： 李伟 ,  胡文帅 ,  张蒙蒙 ,  陶然

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/094 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/088 ,  G06V10/80

Abstract: 本发明公开了一种基于分层掩码对抗网络的多源遥感跨域分类方法，包括以下步骤：S1：基于掩码图像建模思想，搭建分层对称掩码自编码器结构，通过多模态掩码学习和无监督训练，实现多模态多尺度特征提取；S2：构建模态内增强模态间交互模块，并集成到分层解码器，以辅助分层对称掩码自编码器结构充分利用多模态互补信息，实现跨模态重构和多模态融合；S3：设计端到端分类头和对抗域自适应模块，实现细粒度类别语义对齐，挖掘不同场景多源遥感图像之间的跨模态、跨尺度与跨域相关性，提取域不变多模态融合特征；解决了掩码自编码器用于跨场景多源遥感图像端到端协同分类的问题。

公开(公告)号：CN118365924A

公开(公告)日：2024-07-19

申请号：CN202410328376.9

申请日：2024-03-21

Applicant: 北京理工大学

Inventor： 胡文帅 ,  李伟 ,  张蒙蒙 ,  陶然

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了一种多源遥感图像协同分类方法和系统，包括：以每个像素点为中心提取局部邻域窗口，构建训练集和测试集，并对全局信息引导向量进行初始化。联合卷积层和Transformer结构，逐层提取和更新多源遥感图像的局部和全局特征。充分利用四元数和长短时记忆网络的优势，提取有效描述多源遥感图像互补性的多模态融合特征。构建跨模态对比学习结构，对全局信息学习过程施加一致性约束，引导多模态特征的融合。集成上述结构，提出跨模态记忆Transformer网络框架，通过端到端训练实现多源遥感图像的协同分类。本发明具有保持多源图像互补关系、通用框架适用性强、提升遥感智能处理能力、考虑多源图像特点、提高分类准确度等优点。

公开(公告)号：CN116958708A

公开(公告)日：2023-10-27

申请号：CN202311073574.7

申请日：2023-08-24

Applicant: 北京理工大学

Inventor： 李伟 ,  胡文帅 ,  张蒙蒙 ,  陶然

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于全光谱相关性学习网络的高光谱图像分类方法，针对相邻光谱波段之间和非相邻光谱波段之间存在的相关性，设计全光谱相关性自适应学习模块，并以其为基本结构单元，构建主干特征提取网络，提取联合光谱相关性增强、保留本征几何结构的深度语义空谱特征；提取具有细节信息和可解释性信息的传统手工特征，并借助门控结构思想，设计非对称融合模块，在低复杂度下对齐和融合上述两种多模态空谱特征；联合上述两个模块提出全光谱相关性学习网络，实现高光谱图像的有效分类。本发明提出的分类算法能充分利用高光谱图像的光谱属性特点，有效实现地物目标分类。

公开(公告)号：CN116958709B

公开(公告)日：2025-05-13

申请号：CN202311073728.2

申请日：2023-08-24

Applicant: 北京理工大学

Inventor： 李伟 ,  胡文帅 ,  张蒙蒙 ,  陶然

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种轻量级张量卷积长短时记忆网络的高光谱分类方法，针对空谱卷积长短时记忆单元权重参数量多、存储复杂度高等问题，基于张量链式分解设计出两种轻量级张量空谱卷积长短时记忆单元：(1)将每个门结构中每个卷积运算分别扩展至张量域；(2)将当前时刻输入数据和前一时刻输出数据对应的4个卷积核分别集成，堆叠为两个大尺寸卷积核并扩展至张量域。以两种轻量级单元为基本结构，分别设计两种轻量级深度张量空谱卷积长短时记忆网络用于高光谱图像分类。本发明能保持良好的空谱特征提取能力，并在较低网络参数量和存储复杂度下，有效缓解整个模型的过拟合问题，提高小样本高光谱图像分类性能。

公开(公告)号：CN116958709A

公开(公告)日：2023-10-27

申请号：CN202311073728.2

申请日：2023-08-24

Applicant: 北京理工大学

Inventor： 李伟 ,  胡文帅 ,  张蒙蒙 ,  陶然

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种轻量级张量卷积长短时记忆网络的高光谱分类方法，针对空谱卷积长短时记忆单元权重参数量多、存储复杂度高等问题，基于张量链式分解设计出两种轻量级张量空谱卷积长短时记忆单元：(1)将每个门结构中每个卷积运算分别扩展至张量域；(2)将当前时刻输入数据和前一时刻输出数据对应的4个卷积核分别集成，堆叠为两个大尺寸卷积核并扩展至张量域。以两种轻量级单元为基本结构，分别设计两种轻量级深度张量空谱卷积长短时记忆网络用于高光谱图像分类。本发明能保持良好的空谱特征提取能力，并在较低网络参数量和存储复杂度下，有效缓解整个模型的过拟合问题，提高小样本高光谱图像分类性能。