-
公开(公告)号：CN119810116A
公开(公告)日：2025-04-11
申请号：CN202411832727.6
申请日：2024-12-12
Applicant: 河海大学
IPC: G06T7/11 , G06T7/00 , G06V10/44 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06V10/80 , G06V20/10 , G06V20/69
Abstract: 本发明公开了一种多尺度注意力融合的显微高光谱图像分割方法，旨在提升医学图像分割的精度和鲁棒性。该方法结合Transformer和CNN在提取全局与局部特征上的优势，设计了一种创新的融合模块MSA(多尺度注意力)，通过多尺度、信道注意力和空间注意力机制，将Transformer的全局特征高效融合到CNN的局部特征中。同时，在Transformer分支的上采样阶段引入残差连接，以缓解梯度消失问题并增强网络表达能力；在每个CNN模块后加入SE模块，动态调整特征通道权重，从而增强有用特征并抑制冗余信息。实验表明，该方法在显微高光谱图像分割任务中表现出卓越的分割精度、鲁棒性和效率，特别是对癌变区域的边界模糊、组织混杂以及不同患者图像差异等挑战，展示了显著优势。
-
公开(公告)号：CN119600428A
公开(公告)日：2025-03-11
申请号：CN202311160944.0
申请日：2023-09-08
Applicant: 河海大学
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于变化引导的高光谱图像变化检测方法，属于人工智能领域。所述方法包括：使用逐级提取策略从双时相高光谱图像中提取特征；ConvGRU模块提取双时相高光谱图像在不同阶段的差异信息；每个阶段的差异信息被用于产生变化权重，以引导下一阶段的特征提取；不同阶段的检测结果被融合后经过决策层得到最后的检测结果。采用本发明，能够提高高光谱图像变化检测的精度。
-
公开(公告)号：CN118675041A
公开(公告)日：2024-09-20
申请号：CN202310251365.0
申请日：2023-03-15
Applicant: 河海大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种轻量级高光谱图像分类方法，包括：构建整体网络，包括3D分组多尺度特征提取网络和2D分组多尺度特征提取网络，进行多尺度特征提取，提取到高光谱图像层次化的特征；3D分组多尺度特征提取网络包括分组卷积和3D深度可分离卷积，将通道进行分组，在保持网络分类性能的同时降低网络参数；2D分组多尺度特征提取网络包括注意力机制模块和2D深度可分离网络，注意力模块通过压缩和激活操作，以选择性地强调光谱信息特征并重新校准光谱特征响应；将改进的残差网络模块和2D深度可分离模块进行融合，以构建具有突出泛化能力的网络结构；将输出结果经过全局池化层送入分类器中进行最终分类，并输出结果。本发明通过将3D分组特征提取模块和2D分组特征提取模块进行串行处理来同时获取丰富的空间‑光谱特征，并通过引入分组卷积和深度可分离卷积来达到网络轻量化的效果，在提高分类精度的同时保证了较低的网络参数。
-
公开(公告)号：CN118134864A
公开(公告)日：2024-06-04
申请号：CN202410232033.2
申请日：2024-02-29
Applicant: 河海大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/0455
Abstract: 本发明公开了一种基于双孪生神经网络与transformer的高光谱图像变化检测方法，包括：构建整体网络，包括双孪生骨干网络、空间注意力模块和空‑谱transformer模块；双孪生骨干网络，通过四个分支同时获取高光谱图像的空间和光谱信息，使用卷积和自注意力机制来获取高光谱图像的空间特征，同时使用空‑谱Transformer来获取高光谱图像的光谱特征。本发明通过引入空间注意力模块与空‑谱transformer模块来同时获取丰富的空间‑光谱特征，并加入双孪生神经网络缓解原始特征信息易丢失问题，直接进行端到端训练，从而提高了变化检测精度，保证了良好稳定的变化检测效果。
-
公开(公告)号：CN117994643A
公开(公告)日：2024-05-07
申请号：CN202211330540.7
申请日：2022-10-27
Applicant: 河海大学
Abstract: 本发明公开了一种高光谱图像智能目标检测方法，属于人工智能领域。所述方法包括：同时考虑测试像素及其八个邻域像素，获得测试像素及其八个邻域像素的多方向检测结果；构建光谱角映射(SAM)和皮尔森相关系数联合加权(SAP)策略，为测试像素及其八个邻域像素的多方向检测结果获取权重系数；将测试像素及其八个邻域像素的多方向检测结果与权重系数相乘得到最后的检测结果。采用本发明，能够提高高光谱图像目标检测的精度。
-
Patent Agency Ranking
公开(公告)号：CN110210412B
公开(公告)日：2022-08-26
申请号：CN201910482614.0
申请日：2019-06-04
Applicant: 河海大学
Abstract: 本发明公开了一种基于深度学习和多示例学习的高光谱影像分类方法，包括以下步骤：S1：对高光谱影像进行预处理，删去部分冗余的波段；S2：对步骤S1得到的预处理后的高光谱影像进行特征提取，得到示例特征；S3：将步骤S2得到的示例特征映射为图像包的示例特征；S4：对步骤S3得到的图像包的示例特征进行分类。本发明能够提高特征提取效率和分类精度。
-
-
公开(公告)号：CN112836666A
公开(公告)日：2021-05-25
申请号：CN202110188805.3
申请日：2021-02-19
Applicant: 河海大学
Abstract: 本发明公开了一种高光谱图像分类识别方法，属于高光谱遥感图像处理技术领域，首先对原始高光谱遥感影像进行预处理，有效保留包含信息最多的光谱波段，其次通过三维卷积网络和注意力机制对图像不同侧重点的特征分三阶段提取，具体来说特征分为光谱特征，空间特征和空谱特征三类，同时通过循环神经网络提取多尺度特征并保留特征间的联系，最后进行分类。
-
公开(公告)号：CN112326721A
公开(公告)日：2021-02-05
申请号：CN202011194974.X
申请日：2020-10-30
Applicant: 河海大学
IPC: G01N25/16
Abstract: 本发明公开了一种多层薄膜热膨胀系数提取方法，包括：测量每根等宽多层双端固支梁在常温下的吸合电压；测量每根不等宽多层双端固支梁在常温下的吸合电压；计算第i层薄膜的等效杨氏模量和初始残余应力；测量每根等宽多层双端固支梁在温度T下的吸合电压，并计算第i层薄膜在温度T下的残余应力；计算各层薄膜在温度T下的热膨胀系数；测量每根等宽多层双端固支梁在不同温度下的吸合电压，并计算第i层薄膜在不同温度下的残余应力；计算各层薄膜在不同温度下的热膨胀系数；本发明提供的一种多层薄膜热膨胀系数提取方法，简单易行、操作方便、成本较低、多层双端固支梁测试结构简单、测量速度快。
-
公开(公告)号：CN111914907A
公开(公告)日：2020-11-10
申请号：CN202010667743.X
申请日：2020-07-13
Applicant: 河海大学
Abstract: 本发明公开了一种基于深度学习空谱联合网络的高光谱图像分类方法，首先，对原始高光谱图像进行数据划分，而后利用少量标签数据训练基于深度学习空谱联合网络，输入的高光谱原始图像将会被带有注意力机制的双向长短时记忆模型和1D空洞卷积神经网络同时做光谱维特征提取处理，得到最终的光谱特征图；输入图像经过数据归一化处理，而后进行PCA降维，提取输入特征，并将输入特征送入多尺度多层次滤波器卷积网络中提取空间特征，再经由全局平均池化层处理，得到最终的空间特征图；最后结合已训练好的网络参数进行分类。本发明将光谱维特征与空间特征分开处理，能获得更为丰富有效的光谱特征图及更为丰富的特征表达，分类精度得到进一步提升。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.024 seconds)
