-
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.
-
公开(公告)号：CN116843588A
公开(公告)日：2023-10-03
申请号：CN202310732526.8
申请日：2023-06-20
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，提出一种目标语义层级挖掘的红外与可见光图像融合方法。图像融合网络包括融合特征模块、语义特征模块、层级挖掘模块与图像重建模块；源图像对输入至图像融合网络后，融合特征模块提取源图像对的图像融合特征Fuj，语义特征模块提取源图像对的图像语义特征Fej；层级挖掘模块挖掘多个层级的目标语义特征并进行整合，多次重复特征提取与挖掘后，通过图像重建模块生成融合结果。相较于仅利用单一图像融合特征的融合方法，本发明通过不同层次的挖掘图像中目标语义并将其整合到图像融合网络中，有效地提升了图像融合网络中特征的多样性，从而可以获得更高质量的图像融合结果。
-
公开(公告)号：CN116758391A
公开(公告)日：2023-09-15
申请号：CN202310434257.7
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/82 , G06F17/16 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/40
Abstract: 本发明属于计算机视觉、图像处理技术领域，公开了一种噪声抑制蒸馏的多域遥感目标泛化性识别方法。通过非遥感图像数据集训练教师模型，训练后的教师模型通过多模态遥感数据集调整；固定调整后的教师模型，通过负相关蒸馏模块，每训练一批次的S个样本中选择相关程度最小的两个教师模型训练学生模型。本发明利用蒸馏方法提取教师模型负相关的特征蒸馏给学生模型，解决了多教师模型特征噪声抑制问题，提升了学生模型目标识别准确度和泛化性。
-
公开(公告)号：CN116434037A
公开(公告)日：2023-07-14
申请号：CN202310434641.7
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464 , G06V10/764
Abstract: 本发明属于计算机视觉图像处理技术领域，提出一种基于双层优化学习的多模态遥感目标鲁棒识别方法。该方法设计了一种基于双层优化的训练方式引导模型自适应地学习需要学习的知识，同时利用调制网络对识别网络进行选择性激活，帮助识别网络学会如何更好地提取输入图像的特征表示。本发明能够充分利用现有数据深入挖掘模型的潜力，帮助模型摆脱多模态的干扰，解决模型在多模态目标数据上准确度降低的问题，让模型在有限的学习资源下获得更高的鲁棒性。
-
公开(公告)号：CN117952824B
公开(公告)日：2024-06-25
申请号：CN202410348970.4
申请日：2024-03-26
Applicant: 大连理工大学
IPC: G06T3/18 , G06T3/4046 , G06T3/4092 , G06N3/045 , G06N3/0464
Abstract: 本发明属于深度学习技术领域，公开了一种基于目标检测的遥感图像变形下采样方法，提出一种混合高斯变形模块，用于生成变形下采样的遥感图像；根据混合高斯变形模块与下游的相关性，将高分辨率图像自适应为变形的低分辨率图像目标检测任务；混合高斯变形模块由高斯密度网络、变形下采样网格生成网络和可变形采样器三部分组成。本发明研究了大尺度高分辨率图像遥感目标检测的速度和准确度相平衡的问题，并提出一种有效的旨在减少计算负荷的同时提高检测性能的方法。本发明通过该方法推动深度学习技术在遥感目标检测领域的效率问题处理上取得突破性进展。
-
Patent Agency Ranking
公开(公告)号：CN116843588B
公开(公告)日：2024-02-06
申请号：CN202310732526.8
申请日：2023-06-20
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，提出一种目标语义层级挖掘的红外与可见光图像融合方法。图像融合网络包括融合特征模块、语义特征模块、层级挖掘模块与图像重建模块；源图像对输入至图像融合网络后，融合特征模块提取源图像对的图像融合特征Fuj，语义特征模块提取源图像对的图像语义特征Fej；层级挖掘模块挖掘多个层级的目标语义特征并进行整合，多次重复特征提取与挖掘后，通过图像重建模块生成融合结果。相较于仅利用单一图像融合特征的融合方法，本发明通过不同层次的挖掘图像中目标语义并将其整合到图像融合网络中，有效地提升了图像融合网络中特征的多样性，从而可以获得更高质量的图像融合结果。
-
公开(公告)号：CN117237235B
公开(公告)日：2024-02-02
申请号：CN202311497896.4
申请日：2023-11-13
Applicant: 大连理工大学
IPC: G06T5/73 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开一种图像散焦检测攻击的去模糊方法，提出了一种通过攻击模糊检测网络，并设计模糊感知变换模块，以完成散焦图像去模糊的方法。使用一个再模糊网络和一个去模糊网络，设计相应的可逆攻击方法和模糊感知变换模块结构，免去了训练时对清晰真值图像的需求，使得去模糊网络的去模糊性能提升。本发明的使用模糊感知变换以攻击离焦检测的散焦图像去模糊学习方法，有效免去了对训练真值的需求，在弱监督的条件下生成了高质量的去模糊图像。同时本发明克服了目前弱监督去模糊方法的一些弊端，如容易在去模糊结果中产生叠影和颜色失真等，在提出的可逆攻击辅助下，本发明能够生成更加真实自然且准确的去散焦模糊结果。
-
公开(公告)号：CN117237235A
公开(公告)日：2023-12-15
申请号：CN202311497896.4
申请日：2023-11-13
Applicant: 大连理工大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开一种图像散焦检测攻击的去模糊方法，提出了一种通过攻击模糊检测网络，并设计模糊感知变换模块，以完成散焦图像去模糊的方法。使用一个再模糊网络和一个去模糊网络，设计相应的可逆攻击方法和模糊感知变换模块结构，免去了训练时对清晰真值图像的需求，使得去模糊网络的去模糊性能提升。本发明的使用模糊感知变换以攻击离焦检测的散焦图像去模糊学习方法，有效免去了对训练真值的需求，在弱监督的条件下生成了高质量的去模糊图像。同时本发明克服了目前弱监督去模糊方法的一些弊端，如容易在去模糊结果中产生叠影和颜色失真等，在提出的可逆攻击辅助下，本发明能够生成更加真实自然且准确的去散焦模糊结果。
-
-
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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.031 seconds)
