-
公开(公告)号：CN116051896B
公开(公告)日：2023-06-20
申请号：CN202310042326.X
申请日：2023-01-28
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种轻量化混合张量神经网络的高光谱图像分类方法，其分类过程包括：数据预处理，获取保留空谱特征信息的低维高光谱图像数据；基于全连接张量网络分解构建低复杂度的混合张量神经网络，将低维高光谱图像数据输入到由张量化三维和二维卷积层组成的混合结构张量模块中，学习具有强判别性的空谱特征和空间特征，并使用张量化全连接层和非线性激活函数进行分类；通过最小化损失函数训练混合张量神经网络，并使用训练好的网络模型对高光谱图像实现分类和指标评估。本发明中，标准卷积层的卷积核张量和全连接层的权重矩阵被分解为一组具有全连接结构的小尺寸因子张量，使得网络模型能以更少的参数量实现了较高的分类精度。
-
公开(公告)号：CN116051896A
公开(公告)日：2023-05-02
申请号：CN202310042326.X
申请日：2023-01-28
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种轻量化混合张量神经网络的高光谱图像分类方法，其分类过程包括：数据预处理，获取保留空谱特征信息的低维高光谱图像数据；基于全连接张量网络分解构建低复杂度的混合张量神经网络，将低维高光谱图像数据输入到由张量化三维和二维卷积层组成的混合结构张量模块中，学习具有强判别性的空谱特征和空间特征，并使用张量化全连接层和非线性激活函数进行分类；通过最小化损失函数训练混合张量神经网络，并使用训练好的网络模型对高光谱图像实现分类和指标评估。本发明中，标准卷积层的卷积核张量和全连接层的权重矩阵被分解为一组具有全连接结构的小尺寸因子张量，使得网络模型能以更少的参数量实现了较高的分类精度。
-
公开(公告)号：CN115205705A
公开(公告)日：2022-10-18
申请号：CN202210872022.1
申请日：2022-07-23
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于极化特性驱动的全极化SAR图像舰船检测方法，包括：S1、对全极化SAR图像进行预处理，获取全极化SAR图像的极化特性数据；S2、构建极化特性驱动的卷积神经网络，将极化特性数据输入主干网络和密集结构提取极化特性数据中包含的极化特性，并在特征金字塔中进行多尺度融合，所述主干网络和密集结构用于网络中上下文特征重用；S3、按照预设的训练参数和损失函数，对极化特性驱动的卷积神经网络进行训练形成全极化SAR图像目标检测网络，并利用训练好的极化特性驱动的全极化SAR图像目标检测网络执行全极化SAR图像舰船检测和指标评估。本发明能够有效的提升场景中小目标的检测能力以及在强散射背景下能够有效的检测出舰船。
-
公开(公告)号：CN106028352B
公开(公告)日：2019-01-22
申请号：CN201610312987.X
申请日：2016-05-12
Abstract: 本发明公开了一种无线探测与通信融合的区域危险预警系统与方法，采用云无线网络架构部署公网或专网授权频段RRU与毫米波频段RRU，合理利用公网或专网授权频段与毫米波频段的特性，进行周围环境探测的同时，利用空闲资源实现高可靠大容量无线通信，并通过通信功能反馈环境探测结果到地面监测中心，达到危险预警等目的。公网或专网授权频段物理层帧用于传输低容量可靠无线通信数据，毫米波频段根据需求在时间上划分出探测帧与无线通信帧，在探测帧时间内毫米波频段RRU进行环境探测信号的收发；在无线通信帧时间内毫米波频段RRU传输大容量非可靠通信数据，并设计了无线通信帧时间内公网或专网授权频段与毫米波频段融合的上下行方向数据传输信令流程。
-
公开(公告)号：CN106441386A
公开(公告)日：2017-02-22
申请号：CN201610861568.1
申请日：2016-09-29
Applicant: 西南交通大学
Abstract: 本发明提供了一种基于分布式光纤传感系统的数据处理方法及装置，属于数据处理技术领域。该数据处理方法包括：获取原始数据，根据预设规则将所述原始数据转换为二维图；获取所述二维图的噪声标准差；根据所述噪声标准差得到所述二维图的灰度标准差；根据二维双边滤波算法对所述二维图进行滤波，获得去噪后的二维图，其中，所述二维双边滤波算法包括所述灰度标准差和预设的距离权重。相比于现有技术，本发明提供的数据处理方法及装置有效地提高了原始数据的信噪比，且降低了计算量，更加简单实用。
-
Patent Agency Ranking
公开(公告)号：CN105956599A
公开(公告)日：2016-09-21
申请号：CN201610234998.0
申请日：2016-04-15
Applicant: 西南交通大学
IPC: G06K9/62
Abstract: 本发明公开了一种合成孔径雷达图像建模方法及装置，方法包括：步骤1，创建灰度等级直方图Y；步骤2，构建广义伽玛混合模型；步骤3，基于HECM‑MML‑GΓMM算法，估计广义伽玛混合模型的混合权重值、各广义伽玛分量的参数以及最优的混合模型分量数，从而确定所构建的广义伽玛混合模型，完成图像建模。本发明能够广泛地应用于幅度和强度、具有单峰或多峰分布特性、具有同纹理或异质纹理特性的SAR图像精确建模；参数具有闭式表达形式，易于实现，计算效率高；保留了图像中的细节，减少了信息丢失，有效地获取图像分类结果。
-
公开(公告)号：CN119152281B
公开(公告)日：2025-03-11
申请号：CN202411596691.6
申请日：2024-11-11
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/774 , G06V20/10
Abstract: 本发明提供了一种基于多模态四元数表示网络的多源遥感图像分类方法，涉及遥感图像处理技术领域，包括获取高光谱图像和激光雷达图像数据集，对其进行归一化和降维处理，并分为训练集和测试集；依次构建多模态四元数表示模块，三级融合框架和双分支四元数卷积Transformer网络，并基于所述多模态四元数表示模块，三级融合框架和双分支四元数卷积Transformer网络构建得到多模态四元数表示网络；将训练集按照预设训练参数和损失函数训练多模态四元数表示网络进行训练，得到训练后的多源遥感图像分类模型，并根据训练后的多源遥感图像分类模型对所述测试集进行测试，得到分类结果。本发明可以简单有效地融合多模态特征。
-
公开(公告)号：CN117274725B
公开(公告)日：2024-04-12
申请号：CN202311569976.6
申请日：2023-11-23
Applicant: 西南交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/74 , G06V10/80 , G06V10/44 , G06V10/58 , G06V10/62 , G06V20/10 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于张量ConvLSTM的高光谱图像分类方法和装置，涉及遥感图像处理技术领域，包括基于卷积核构建张量顺序卷积层，将已分类的高光谱图像数据发送至张量顺序卷积层，得到空间特征；构建全张量卷积长短时记忆单元，将空间特征发送至全张量卷积长短时记忆单元，得到空谱特征；将空谱特征进行分类训练，将训练结果和已分类的高光谱图像数据的类型标签进行匹配度计算，构建高光谱分类模型，将待分类的高光谱图像数据发送至所述高光谱分类模型，得到分类结果。本发明可以同时压缩模型参数量和计算量，也可以获得比原始模型更准确的高光谱图像分类结果，还保护了模型对特征提取能力。
-
公开(公告)号：CN117392378B
公开(公告)日：2024-02-27
申请号：CN202311685583.1
申请日：2023-12-11
Applicant: 西南交通大学
Abstract: 本发明提供了一种红外小目标检测方法、装置、设备及可读存储介质，涉及目标检测技术领域，包括将红外序列图像按时间序列依次堆叠形成时空张量，时空张量包括背景张量、目标张量及噪声张量；基于背景张量的对数张量核范数表征背景张量的低秩性；计算目标张量的稀疏权重；并获取背景张量的分段平滑结构约束项和噪声张量的Frobenius范数约束项，由背景张量的低秩性和分段平滑结构约束项、目标张量及其稀疏权重和噪声张量的Frobenius范数约束项构建低秩稀疏张量分解模型；利用交替方向乘子法计算低秩稀疏张量分解模型得到目标张量，解构目标张量得到红外小目标检测结果，本发明用于实(56)对比文件Kun Wang等.Infrared Small and MovingTarget Detection on Account of theMinimization of Non-Convex Spatial-Temporal Tensor Low-Rank Approximationunder the Complex Background《.appliedsciences》.2023,第13卷第1-19页.
-
公开(公告)号：CN117576517A
公开(公告)日：2024-02-20
申请号：CN202410051380.5
申请日：2024-01-15
Applicant: 西南交通大学
IPC: G06V10/774 , G06V20/10 , G06N3/094 , G06N3/0455
Abstract: 本发明提供了一种光学遥感影像自监督对比学习变化检测方法及装置，涉及遥感影像变化检测技术领域，包括获取训练样本图像和待检测影像；基于预设的生成对抗网络构建双时相域自适应模块，并将训练样本图像发送至构建后的双时相域自适应模块进行训练，得到训练后的双时相域自适应模块和自适应变换样本对；基于双时相域自适应模块构建预训练框架，将自适应变换样本对发送至预训练框架进行特征提取和优化，得到优化后的预训练框架；基于优化后的预训练框架构建影像变化检测模型，将待检测影像发送至影像变化检测模型进行检测，得到检测结果，本发明通过利用无标注遥感数据进行自监督对比预训练，减少遥感变化检测任务对密集人工标注的依赖性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.025 seconds)
