-
公开(公告)号：CN116340384A
公开(公告)日：2023-06-27
申请号：CN202310105269.5
申请日：2023-02-13
Applicant: 大连理工大学
IPC: G06F16/2458 , G06F16/2455 , G06F17/18 , G06F17/16
Abstract: 本发明属于时间序列预测领域，提供一种基于规则演化的核递归最大相关熵时间序列在线预测方法。本发明首先运用归一化方法和相空间重构对获取数据进行预处理，充分挖掘数据中有用信息；然后利用兼容性度量和唤醒指数双规则实现规则库的自主学习演化，弱化离群值或复杂噪声的不利影响；之后将核递归最大互相关熵方法和稀疏化策略结合对模型参数进行更新，形成紧凑型字典降低计算复杂度的同时，进一步增强模型对时间序列的动态跟踪能力，提高预测精度；最后采用测试数据在训练好的模型进行输出预测，验证模型的高效性。本发明可以针对未知复杂环境进行结构进化，具有较强的自主性和鲁棒性，且能够实现高预测精度和低计算复杂度的平衡。
-
公开(公告)号：CN116824359A
公开(公告)日：2023-09-29
申请号：CN202310483693.3
申请日：2023-05-04
Applicant: 大连理工大学
IPC: G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明属于遥感影像处理技术领域，提供一种基于差异增强与注意力模块的遥感影像变化检测方法。步骤如下：(1)对双时相遥感影像进行预处理；(2)通过权值共享的APC单元组成图像差异增强模块并生成各级图像差异特征；(3)编码器接收来自图像差异增强模块的辅助特征，生成各级编码器特征；(4)解码器逐级解码特征；(5)最后一层解码器特征通过3×3卷积生成最终的变化检测结果。本发明能够充分利用遥感影像的差异信息，挖掘特征中的深度特征，有效提高变化检测精度，具有广阔的应用前景。
-
公开(公告)号：CN114913434A
公开(公告)日：2022-08-16
申请号：CN202210622122.9
申请日：2022-06-02
Applicant: 大连理工大学
Abstract: 一种基于全局关系推理的高分辨率遥感影像变化检测方法：首先，通过预先训练的编码器提取双时相遥感影像的多尺度特征；其次，使用全局关系推理模块分别对每个尺度特征进行区域间的关系推理；最后，建立多尺度特征融合的解码器，并通过语义分割头生成最终的变化检测结果。本发明除了在堆叠的卷积层获取局部信息之外，还充分考虑可以表示变化对象之间内在联系的全局语义信息，此外，本方法为编码器‑解码器的网络结构，能够实现细节信息恢复，有效削弱背景噪声的干扰，减少误检的现象。本发明充分利用遥感影像的多尺度信息及全局语义信息，生成具有分辨效力的划分特征，有效提高变化检测精度，具有广阔的应用前景。
-
公开(公告)号：CN114913434B
公开(公告)日：2024-06-11
申请号：CN202210622122.9
申请日：2022-06-02
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/80 , G06V10/82 , G06V10/46 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 一种基于全局关系推理的高分辨率遥感影像变化检测方法：首先，通过预先训练的编码器提取双时相遥感影像的多尺度特征；其次，使用全局关系推理模块分别对每个尺度特征进行区域间的关系推理；最后，建立多尺度特征融合的解码器，并通过语义分割头生成最终的变化检测结果。本发明除了在堆叠的卷积层获取局部信息之外，还充分考虑可以表示变化对象之间内在联系的全局语义信息，此外，本方法为编码器‑解码器的网络结构，能够实现细节信息恢复，有效削弱背景噪声的干扰，减少误检的现象。本发明充分利用遥感影像的多尺度信息及全局语义信息，生成具有分辨效力的划分特征，有效提高变化检测精度，具有广阔的应用前景。
-
-
-
Search Results
4
records
(took 0.026 seconds)
