-
公开(公告)号：CN116758353B
公开(公告)日：2024-01-23
申请号：CN202310731995.8
申请日：2023-06-20
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/094
Abstract: 解决了目前遥感目标识别方法存在对未知域表本发明属于图像信息处理技术领域，提出一 现差的这一问题，使遥感图像目标模型对不同域种基于域特定信息滤除的遥感图像目标分类方 数据集均具有泛化性。法。从实例归一化分离域特定信息和域不变信息、图像重建去除域特定信息两个角度进行遥感图像风格信息的滤除。通过对抗性域特定信息鲁棒模块使用实例归一化使得每一个输入实例的数据趋向于标准正态分布，进而降低细微扰动带来的影响。通过数据扩充模拟遥感图像域特定信(56)对比文件陈德海;潘韦驰;丁博文;黄艳国.重校准特征融合对抗域适应的遥感影像场景分类.计算机应用与软件.2020,(05),151-156.
-
Patent Agency Ranking
公开(公告)号：CN113657232A
公开(公告)日：2021-11-16
申请号：CN202110911051.X
申请日：2021-08-10
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，提供了一种基于风格内容解耦的跨域遥感图像目标检测方法。本发明的端到端训练的跨域遥感图像目标检测方法利用了自适应实例归一化的方式获得多域图像，并且进一步将解耦获得的内容特征编码送入目标检测网络来进行目标检测。本方法对于不同域的遥感图像有较好的泛化性，可以得到理想的目标检测结果。
-
公开(公告)号：CN115272880B
公开(公告)日：2023-03-31
申请号：CN202210905640.1
申请日：2022-07-29
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉图像信息处理技术领域，一种基于度量学习的多模态遥感目标识别方法。本发明的方法重新考虑了图像风格与深度模型泛化性之间的关系，并进一步提出了一种独特的端到端的三重风格内容度量网络，该网络可以减少域泛化问题的不利影响，提高深度模型的泛化能力。具体来说，分离输入图像的风格和内容，然后对用风格转换模块替换的风格特征施加约束，以迫使我们的模型学习与内容有关与风格无关的有判别力的特征。本发明利用三重度量学习的方法，增强了遥感目标别模型提取特征的能力。目前存在的遥感目标识别方法仅对一种域的数据集有良好的效果，对未知域的表现很差。本发明的方法解决了这一问题，使模型对不同域数据集均具有泛化性。
-
公开(公告)号：CN113657232B
公开(公告)日：2024-09-27
申请号：CN202110911051.X
申请日：2021-08-10
Applicant: 大连理工大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，提供了一种基于风格内容解耦的跨域遥感图像目标检测方法。本发明的端到端训练的跨域遥感图像目标检测方法利用了自适应实例归一化的方式获得多域图像，并且进一步将解耦获得的内容特征编码送入目标检测网络来进行目标检测。本方法对于不同域的遥感图像有较好的泛化性，可以得到理想的目标检测结果。
-
公开(公告)号：CN116758353A
公开(公告)日：2023-09-15
申请号：CN202310731995.8
申请日：2023-06-20
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/094
Abstract: 本发明属于图像信息处理技术领域，提出一种基于域特定信息滤除的遥感图像目标分类方法。从实例归一化分离域特定信息和域不变信息、图像重建去除域特定信息两个角度进行遥感图像风格信息的滤除。通过对抗性域特定信息鲁棒模块使用实例归一化使得每一个输入实例的数据趋向于标准正态分布，进而降低细微扰动带来的影响。通过数据扩充模拟遥感图像域特定信息的显著变化，并通过域不变信息滤波器利用域特定信息滤除后的特征来重建图像，从而降低域特定信息显著变化带来的影响。本发明方法有效解决了目前遥感目标识别方法存在对未知域表现差的这一问题，使遥感图像目标模型对不同域数据集均具有泛化性。
-
公开(公告)号：CN115272880A
公开(公告)日：2022-11-01
申请号：CN202210905640.1
申请日：2022-07-29
Applicant: 大连理工大学
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉图像信息处理技术领域，一种基于度量学习的多模态遥感目标识别方法。本发明的方法重新考虑了图像风格与深度模型泛化性之间的关系，并进一步提出了一种独特的端到端的三重风格内容度量网络，该网络可以减少域泛化问题的不利影响，提高深度模型的泛化能力。具体来说，分离输入图像的风格和内容，然后对用风格转换模块替换的风格特征施加约束，以迫使我们的模型学习与内容有关与风格无关的有判别力的特征。本发明利用三重度量学习的方法，增强了遥感目标别模型提取特征的能力。目前存在的遥感目标识别方法仅对一种域的数据集有良好的效果，对未知域的表现很差。本发明的方法解决了这一问题，使模型对不同域数据集均具有泛化性。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
