-
公开(公告)号：CN119514595A
公开(公告)日：2025-02-25
申请号：CN202411444821.4
申请日：2024-10-16
Applicant: 哈尔滨工业大学
Abstract: 一种面向遥感语义分割任务的跨模型知识蒸馏方法，它涉及一种跨模型知识蒸馏方法。本发明为了解决现有遥感图像语义分割模型参数量大、消耗资源大的问题。本发明的步骤包括：选择能力互补的学生模型和教师模型，选取数据集训练教师模型，使用训练好的教师模型输出的特征图作为知识输入学生模型；将输入到学生模型的特征图按照通道进行注意力加权，并计算损失；将由教师模型传递的知识解耦成为目标区域与非目标区域，将这两个独立的目标区域进行预测与知识蒸馏，计算损失；将学生模型语义分割的损失与上述步骤的损失进行加权求和，计算出总损失，通过总损失更新学生模型的参数，最终将学生模型训练完毕。本发明属于遥感图像处理技术领域。
-
公开(公告)号：CN119478672A
公开(公告)日：2025-02-18
申请号：CN202411484101.0
申请日：2024-10-23
Applicant: 哈尔滨工业大学
Abstract: 基于数字表面模型DSM和高光谱联合的多模态遥感图像光谱解混方法，本发明属于遥感图像处理领域，涉及多模态遥感图像光谱解混方法。本发明为解决现有方法没有考虑到DSM和高光谱数据实际上是来自同一场景的不同传感器的不同维度信息，没有在模型成像过程中对DSM和高光谱数据的联合成像进行建模，导致遥感图像的光谱解混精度差的问题。过程为：获取覆盖地理区域相同且分辨率相同的多模态遥感图像；所述多模态遥感图像包括高光谱遥感图像和DSM遥感图像数据；基于DSM遥感图像数据获取地物类型的几何分量信息；构造基于DSM和高光谱联合的多模态遥感图像光谱解混模型；采用交替方向乘子法求解基于DSM和高光谱联合的多模态遥感图像光谱解混模型，得到丰度信息。
-
Patent Agency Ranking
公开(公告)号：CN119379541A
公开(公告)日：2025-01-28
申请号：CN202411401874.8
申请日：2024-10-09
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/50 , G06N3/0464 , G06N3/045 , G06N3/0895 , G06N3/09 , G06V20/10 , G06V10/44 , G06V10/58 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/048
Abstract: 本发明提出基于自适应学习的多光谱图像光谱超分辨方法及应用，属于遥感图像处理技术领域，解决现有光谱超分辨方法中先验信息的手动设置和复杂的参数选择、深度学习方法中忽略空间长距离间像素依赖和光谱间自相似性以及深度网络参数无法实时动态调整的问题，方法包括：构建多光谱数据集，基于多光谱数据集构建伪标签；构建光谱超分辨网络，基于伪标签对光谱超分辨网络进行监督训练，生成初步重构图像；将初步重构图像输入自适应学习模块，学习初步重构图像和真实图像的残差并进行残差修正；构建自适应学习网络，更新自适应学习模块的参数；将参数更新后的自适应学习网络与待处理图像进行残差连接，输出目标高空间分辨率的高光谱图像。
-
公开(公告)号：CN116935242B
公开(公告)日：2024-08-06
申请号：CN202310914459.1
申请日：2023-07-24
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/42 , G06N3/0464 , G06N3/08
Abstract: 基于空间和语义一致性对比学习的遥感图像语义分割方法及系统，本发明涉及遥感图像的语义分割方法及系统。本发明的目的是针对现有对比学习方法大多只适用于自然场景图像分类任务，忽略了遥感场景图像中对语义分割任务十分重要的空间和语义关联性，导致遥感图像语义分割准确率低的问题。过程为：1：获取数据增强后的无标注遥感图像数据集；2：得到遥感特征图；3：构建实例级分支；4：构建一致性分支；5：构建自监督对比学习框架的整体损失函数；采用无标注的遥感图像对骨干网络训练，获得预训练好的骨干网络；6：构建语义分割网络，获得微调好的语义分割网络，微调好的语义分割网络用于后续的遥感语义分割任务。本发明属于遥感图像处理领域。
-
公开(公告)号：CN117522827A
公开(公告)日：2024-02-06
申请号：CN202311552590.4
申请日：2023-11-20
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/26 , G06V10/52 , G06V10/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 基于稀疏编码和低频重建的遥感基础模型构建方法及系统，本发明涉及遥感基础模型构建方法及系统。本发明针对现有遥感基础模型只注重样本实例或像素间的关联性，忽略了对遥感图像变化检测任务至关重要的多尺度特征和频率信息，导致模型泛化能力不足、遥感图像变化检测准确率低。过程为：构建无标注遥感图像样本集；基于低频频率生成低频重建目标1；采用骨干网络‑解码器网络对图像的掩码区域进行像素重建，基于重建的掩码区域和非掩码区域获得重建目标2；得到预训练好的骨干网络‑解码器网络；获得训练好的变化检测网络；将待测的同一地区不同时间的一对遥感图像输入训练好的变化检测网络进行变化检测。本发明属于遥感图像领域。
-
公开(公告)号：CN116935242A
公开(公告)日：2023-10-24
申请号：CN202310914459.1
申请日：2023-07-24
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/26 , G06V10/774 , G06V10/82 , G06V10/42 , G06N3/0464 , G06N3/08
Abstract: 基于空间和语义一致性对比学习的遥感图像语义分割方法及系统，本发明涉及遥感图像的语义分割方法及系统。本发明的目的是针对现有对比学习方法大多只适用于自然场景图像分类任务，忽略了遥感场景图像中对语义分割任务十分重要的空间和语义关联性，导致遥感图像语义分割准确率低的问题。过程为：1：获取数据增强后的无标注遥感图像数据集；2：得到遥感特征图；3：构建实例级分支；4：构建一致性分支；5：构建自监督对比学习框架的整体损失函数；采用无标注的遥感图像对骨干网络训练，获得预训练好的骨干网络；6：构建语义分割网络，获得微调好的语义分割网络，微调好的语义分割网络用于后续的遥感语义分割任务。本发明属于遥感图像处理领域。
-
公开(公告)号：CN114529769B
公开(公告)日：2022-11-01
申请号：CN202210157795.1
申请日：2022-02-21
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06K9/62
Abstract: 一种面向大场景遥感图像分类的可分离多模联合表示方法，本发明涉及多模遥感图像联合表示方法。本发明的目的是为了提高现有大场景遥感图像的分类精度。过程为：一、输入覆盖地理区域相同的多模遥感图像，以及相应的地物标签图，构造多模遥感图像的可分离多模联合表示模型；二、采用乘数交替方向法求解多模遥感图像的可分离多模联合表示模型，得到可分离的多模字典；三、输入大场景多光谱遥感图像，利用可分离的多光谱字典对输入的大场景多光谱遥感图像进行稀疏表示，学习得到可分离的一致稀疏表示系数矩阵；四、利用类别特异性高光谱字典和类别特异性一致稀疏表示系数矩阵，重构得到大场景的高光谱图像。本发明用于遥感图像分类领域。
-
-
-
-
-
-
Search Results
27
records
(took 0.044 seconds)
