-
公开(公告)号：CN117975279A
公开(公告)日：2024-05-03
申请号：CN202410240273.7
申请日：2024-03-04
Applicant: 重庆大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06N3/0895 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种用于半监督高光谱变化检测的差分对比增强方法，属于深度学习技术领域。该方法包括以下步骤：S1：高光谱图像预处理；S2：数据集标注与划分；S3：将有限标记样本和大量无标记样本输入差分对比特征增强网络进行训练；S4：训练完成后对完整图像进行变化检测获得结果。本发明所述方法的性能优于其他的高光谱图像农田变化检测方法，本方法可以在有限标记样本条件下有效地训练模型，不需要额外的预检测和预训练。
-
公开(公告)号：CN115909112A
公开(公告)日：2023-04-04
申请号：CN202211653085.4
申请日：2022-12-20
Applicant: 重庆大学
IPC: G06V20/17 , G06V20/10 , G06V10/80 , G06V10/82 , G06V10/77 , G06N3/084 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种多尺度差分深度特征融合的无人机高光谱遥感图像农田利用变化检测方法与系统，属于信息处理技术领域。该方法包括以下步骤：S1：获取目标区域遥感影像；S2：对获取的目标区域遥感影像进行预处理，获得训练样本数据；S3：将部分标记样本输入多尺度差分特征融合网络进行训练；S4：训练完成后对完整图像进行变化检测获得结果。本发明所述方法和系统的性能优于其他的高光谱图像农田变化检测方法，本方法可以更好地获得和分析变化成分，并且在检测细小变化方面比其他方法具有优势。
-
公开(公告)号：CN106778885A
公开(公告)日：2017-05-31
申请号：CN201611219213.9
申请日：2016-12-26
Applicant: 重庆大学
IPC: G06K9/62
CPC classification number: G06K9/6274
Abstract: 本发明公开了一种基于局部流形嵌入的高光谱图像分类方法，1）对训练样本各数据点利用同类近邻点进行重构；2）利用各数据点的邻域以及各邻域点对应的重构点来构建类内图、类内重构图、类间图和类间重构图；3）在低维嵌入空间中，保持类内图和类内重构图的结构不变，抑制类间图和类间重构图的结构关系，得到从高维空间到低维空间的投射矩阵；4）通过投影矩阵，得到训练样本的低维嵌入特征；5）通过投影矩阵，将测试样本高维数据降维，得到测试样本低维嵌入；6）通过分类器即可对测试样本的低维嵌入进行分类，得到高光谱图像分类结果。本发明能更好地表征高光谱图像的内蕴属性，能够更有效地提取出鉴别特征，改善数据可分性。
-
公开(公告)号：CN105760839A
公开(公告)日：2016-07-13
申请号：CN201610096077.2
申请日：2016-02-22
Applicant: 重庆大学
CPC classification number: G06K9/6269 , G06K9/00523 , G06K9/629
Abstract: 本发明公开了一种基于多特征流形学习与支持向量机的轴承故障诊断方法，1)通过加速度传感器采集每种工况下滚动轴承在不同转速的振动加速度信号作为训练样本；2)对训练样本分别提取时域、频域和时频域特征参数；3)进行流行学习得到低维流形结构；4)通过传感器采集待测滚动轴承在转动时的振动加速度信号作为测试样本；5)提取测试样本的时域、频域和时频域特征参数；6)对测试样本进行流形学习得到低维流行结构；7)采用支持向量机分类方法对测试样本与训练样本进行匹配，将与测试样本最为匹配的训练样本所属的工况类别判定为测试样本的工况类别。本方法能够提高滚动轴承故障诊断的准确性和有效性。
-
公开(公告)号：CN119942238A
公开(公告)日：2025-05-06
申请号：CN202510265456.9
申请日：2025-03-07
Applicant: 重庆大学
IPC: G06V10/764 , G06V20/10 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种局部全局的多分辨率LiDAR‑高光谱图像协同分类方法，属于深度学习领域。该方法包括以下步骤：S1：高光谱数据、LiDAR数据预处理，对高光谱数据和LiDAR数据进行最大‑最小值阈值归一化；S2：数据集划分；按照一定比例随机选取像素作为训练集，剩余的像素点作为测试集；S3：多分辨率多尺度特征提取；S4：局部‑全局MLP特征学习；S5：基于LiDAR信息引导的特征融合；S6：损失计算，模型参数更新；S7：确定样本分类结果；该方法在分类精度上优于其他的高光谱‑LiDAR图像协同分类方法。
-
Patent Agency Ranking
公开(公告)号：CN119295937A
公开(公告)日：2025-01-10
申请号：CN202411392320.6
申请日：2024-10-08
Applicant: 重庆大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 发明涉及一种多尺度孪生高光谱目标探测方法及系统，属于深度学习技术领域。该方法包括以下步骤：S1：高光谱图像初始目标和背景数据准备；S2：对高光谱遥感图像进行对抗性样本生成，获得训练样本数据；S3：将生成的样本输入多尺度孪生目标探测网络进行训练；S4：训练完成后对测试样本进行目标探测获得结果。本发明所述方法的性能优于其他的高光谱图像目标探测方法，本方法可以生成数量更加充足且更具多样性的训练样本，并且在背景抑制方面比其他方法具有优势。
-
公开(公告)号：CN118072059A
公开(公告)日：2024-05-24
申请号：CN202410247386.X
申请日：2024-03-05
Applicant: 重庆大学
IPC: G06V10/762 , G06V10/74 , G06V20/10 , G06V10/80 , G06V10/44 , G06V10/58 , G06V10/26 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/0895 , G06N3/048
Abstract: 本发明涉及一种自监督双分支Transformer结构的高光谱遥感图像地物聚类方法，属于图像识别技术领域。该方法包括以下步骤：S1：对高光谱遥感图像进行超像素分割，获得训练样本数据；S2：将没有标记的样本数据输入到共享Autoformer模块，通过融合多级特征来学习HSI数据的全局属性信息；S3：将没有标记的样本数据输入到孪生Dual‑Former Graph模块(DFGM)中，提取HSI更加精确的图结构特征；S4：使用联合优化模块对共享Autoform er模块和孪生Dual‑Former Graph模块进行学习；S5：训练完成后对完整图像进行聚类获得结果。本发明所述方法和系统的性能优于其他的高光谱图像地物聚类方法，本方法可以更好地获得和分析地物成分，并且在捕获地物之间的结构关系方面比其他方法具有优势。
-
公开(公告)号：CN104751191B
公开(公告)日：2017-11-03
申请号：CN201510197492.2
申请日：2015-04-23
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明提供一种稀疏自适应半监督多流形学习的高光谱影像分类方法，其提出了半监督稀疏多流形学习维数约简算法和最近邻多流形分类算法，该方法仅通过对数据样本中的少量数据点进行标注，并结合部分未标注数据点来进行学习，能很好地揭示出蕴藏在高维数据的内在属性以及多流形结构，提取出具有更好鉴别性能的低维嵌入特征，从而改善分类效果，提高对高光谱遥感影像中地物类别的分类精度，因此能够有效的解决稀疏流形聚类与嵌入算法的“样本外学习”和遥感图像标记类别标签困难的问题；同时，在PaviaU数据集上的实验结果表明，与现有技术中所常用的识别方法相比，本发明方法具有更好的分类效果。
-
公开(公告)号：CN104751191A
公开(公告)日：2015-07-01
申请号：CN201510197492.2
申请日：2015-04-23
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明提供一种稀疏自适应半监督多流形学习的高光谱影像分类方法，其提出了半监督稀疏多流形学习维数约简算法和最近邻多流形分类算法，该方法仅通过对数据样本中的少量数据点进行标注，并结合部分未标注数据点来进行学习，能很好地揭示出蕴藏在高维数据的内在属性以及多流形结构，提取出具有更好鉴别性能的低维嵌入特征，从而改善分类效果，提高对高光谱遥感影像中地物类别的分类精度，因此能够有效的解决稀疏流形聚类与嵌入算法的“样本外学习”和遥感图像标记类别标签困难的问题；同时，在PaviaU数据集上的实验结果表明，与现有技术中所常用的识别方法相比，本发明方法具有更好的分类效果。
-
公开(公告)号：CN103729652A
公开(公告)日：2014-04-16
申请号：CN201410024004.3
申请日：2014-01-17
Applicant: 重庆大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于稀疏保持流形嵌入的高光谱遥感影像分类方法，对训练样本数据点由其余训练样本进行稀疏表示，通过各数据点的稀疏系数可得所有训练样本的稀疏表示矩阵S；根据稀疏表示矩阵S构建无向权重图G；根据无向权重图G设置各边线的权重系数，得到权值矩阵W；由权值矩阵W，保持数据间由稀疏表示体现的相似性不变，得到投影矩阵A；根据投影矩阵A，分别对训练样本和测试样本实现数据的维数约简，得到低维鉴别特征；利用分类器分类，判断出测试样本的低维鉴别特征所属类别，即得到测试样本的类别信息。本发明能够更有效地提取出鉴别特征，且分类结果更准确，对高光谱遥感影像的地物分类效果更好。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.021 seconds)
