-
公开(公告)号：CN118552853A
公开(公告)日：2024-08-27
申请号：CN202410679029.0
申请日：2024-05-29
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V20/70 , G06N5/04 , G06N3/0464 , G06V10/40 , G06N3/08 , G06N3/096 , G06N3/045 , G06V10/82
Abstract: 本发明公开了基于双向注意力机制的高光谱图像跨场景分类方法，充分考虑了跨域分类任务中单、多要素差异，提出一套完整的高光谱图像跨场景地物要素识别模型，缓解相似物种在跨时相条件下的多维度差异，可对不同地域或不同时相的高光谱影像进行粗粒度或细粒度的地物要素提取工作，极大的提高了大场景地物要素提取效率；提出的双向注意力机制充分考虑了跨域分类中不同域间的信息交互，突破了传统注意力机制学习域间不变表征的能力上限，实现了特征层的双向领域自适应；提出的双向蒸馏损失相较于现有知识蒸馏技术，更加适用于多分支领域自适应模型，将耦合分支的预测概率分布视作软标签，实现对源分支和目标分支的双向监督，加强了域不变表征的提取。
-
公开(公告)号：CN116664844A
公开(公告)日：2023-08-29
申请号：CN202310724665.6
申请日：2023-06-19
Applicant: 北京理工大学 , 自然资源部第一海洋研究所 , 山东省海洋资源与环境研究院(山东省海洋环境监测中心、山东省水产品质量检验中心)
IPC: G06V10/26 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于ECAM‑ResUNet2的互花米草遥感图像跨域分割方法，包括构建高效卷积注意力模块ECAM；以ResUNet模型为基本网络架构，构建ResUNet2模型，将ResUNet2上下文语义信息输入到ECAM模块中，构建ECAM‑ResUNet2网络模型；根据待预测地域和训练地域分别划分成目标域和源域，对源域的遥感图像数据进行图像裁剪和图像增强；将所述源域数据和目标域数据作为训练样本对ECAM‑ResUNet2进行训练，得到训练好的ECAM‑ResUNet2模型；将训练好的所述ECAM‑ResUNet2模型对待预测地域的遥感图像进行分类。报发明基于语义分割和跨域对齐的思想，能够应用于遥感图像中入侵物种互花米草分布情况的预测，且能同时保证在不同时相与不同场景的遥感图像中互花米草的预测精度较高。
-
公开(公告)号：CN111898662B
公开(公告)日：2023-01-06
申请号：CN202010701215.1
申请日：2020-07-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种滨海湿地深度学习分类方法、装置、设备和存储介质，该方法包括：对采集到的原始高光谱图像数据进行校正处理和归一化处理，得到待处理高光谱图像数据，以及，对采集到的原始激光雷达数据进行异常点去除处理和归一化处理，得到待处理激光雷达数据；构造各个模式的三层Octave卷积层；基于各个模式的三层Octave卷积层，对待处理高光谱图像数据和待处理激光雷达数据进行成分分离、成分组合以及频率分量综合，得到特征融合数据；提取特征融合数据中的方向性纹理信息，结合待处理高光谱数据进行空间、纹理以及光谱联合分类，得到目标联合分类特征，以确定目标类别。提高了不同分辨率、不同模态下的联合地物分类性能；实现高精度的协同分类。
-
公开(公告)号：CN115331107A
公开(公告)日：2022-11-11
申请号：CN202211014325.6
申请日：2022-08-23
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于变形卷积选择分配网络的多元遥感影像场景识别方法，在YOLOv3网络的特征提取基础网络中引入变形卷积，提取并保留多尺度、多形状的场景表现空间结构信息，在多源特征金字塔上引入选择性分配融合模块用于融合多元遥感影像，为不同的影像特征分配不同的融合权重。本发明可以通过变形卷积更好地提取影像中各类场景的空间信息，并通过融合模块结合多源遥感数据的优势，实现较高精度的场景识别精度。
-
公开(公告)号：CN114249322A
公开(公告)日：2022-03-29
申请号：CN202111609884.7
申请日：2021-12-27
Applicant: 北京理工大学
IPC: C01B32/914 , C01G31/02 , H01M4/36 , H01M10/054
Abstract: 本发明涉及一种纳米花状VO2(B)/V2CTx复合材料的制备方法和钠离子电池，属于钠离子电池负极材料技术领域。所述方法选择Mxene材料中的V2CTx为碳源，乙酰丙酮氧钒、偏钒酸钠或偏钒酸铵为钒源，加入硼氢化钠和硫脲，通过一步水热法，在V2CTx纳米片上生长出形貌均一的VO2(B)纳米结构，再经高温煅烧，得到纳米花状VO2(B)/V2CTx复合材料。以所述VO2(B)/V2CTx复合材料为负极材料中活性物质的钠离子电池，在100mA g‑1的电流密度下，首次放电比容量达458.64mAh g‑1，充放电循环100周仍然有270.08mAh g‑1的可逆放电比容量。
-
Patent Agency Ranking
公开(公告)号：CN111899289A
公开(公告)日：2020-11-06
申请号：CN202010566412.7
申请日：2020-06-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于图像特征信息的的红外图像与可见光图像的配准方法。该方法通过分别提取同一场景下红外图像和可见光图像的点特征信息和线特征，并使用线特征和点特征进行配准和优化配准的效果，先通过点特征计算出配准的投影矩阵，然后通过线特征实现对投影矩阵的更新，达到一个好的配准效果。本发明在整个配准流程中预处理通过滤波去除了噪声等干扰信息，后续计算只使用了图像本身的点特征和线特征，两种特征，尤其是其中的点特征对不同类型、不同尺度、不同亮度的目标鲁棒的，能够实现该发明对多种场景配准的鲁棒性。
-
公开(公告)号：CN117893928A
公开(公告)日：2024-04-16
申请号：CN202311742681.4
申请日：2023-12-18
Applicant: 北京理工大学
IPC: G06V20/17 , G06V10/26 , G06V10/58 , G06V20/70 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种基于深度学习的轻量级高光谱图像语义分割方法，步骤1:处理无人机高光谱遥感影像，得到无人机采集的高光谱影像训练数据集；步骤2:构建光谱尺度注意力网络；步骤3:根据无人机高光谱影像训练数据集对光谱尺度注意力网络进行训练，得到完成训练的光谱尺度注意力网络；步骤4:处理与多无人机高光谱影像训练数据集类型相同的待分割遥感影像，并输入至光谱尺度注意力网络，形成与待分割的遥感影像幅宽相同的无人机高光谱影像分割结果。本发明可对无人机高光谱的遥感影像进行全图语义分割，方便研究者对遥感影像中的地类进行进一步了解；提高对地信息解译的效率。
-
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
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：CN115240080A
公开(公告)日：2022-10-25
申请号：CN202211014339.8
申请日：2022-08-23
Applicant: 北京理工大学
IPC: G06V20/13 , G06V10/82 , G06V10/764 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种多源遥感卫星数据智能解译与分类方法，在传统卷积神经网络的基础上引入了图卷积网络，通过图卷积操作获取数据中隐含的拓扑结构信息，在挖掘更多有意义特征的同时减少了对样本的依赖程度，在特征融合阶段，利用全局依赖融合模块捕获数据中的长距离依赖关系，更好地进行了多源数据特征融合。本发明在目标场景下可以通过引入额外的特征协同，从而实现更高的分类精度。
-
公开(公告)号：CN115000363A
公开(公告)日：2022-09-02
申请号：CN202210522048.3
申请日：2022-05-13
Applicant: 北京理工大学
Abstract: 本发明涉及一种有机物/锰基氧化物复合材料及其制备方法和应用，属于水系可充电锌离子电池正极材料制备技术领域。所述复合材料由二价锰盐和有机物单体在高锰酸钾的作用下通过水热法复合而成，所述二价锰盐为乙酸锰或硫酸锰，所述有机物单体为对苯二胺、对苯醌、甲基对苯醌和苯甲酰胺中的至少一种；在水热釜内高温高压下引入有机物单体，通过溶剂间相互作用诱导有机物在锰基氧化物中的插层；通过调控水热反应的温度、时间及有机物单体的浓度获得结构稳定的有机物/锰基氧化物复合材料；所述制备方法仅需一步水热即可完成，反应温度低时间短、简单易操，无需高温煅烧；所述复合材料作具有优异的循环稳定性和倍率性能，可作为锌离子电池正极材料。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.032 seconds)
