-
-
公开(公告)号：CN105787523A
公开(公告)日：2016-07-20
申请号：CN201610206981.4
申请日：2016-04-05
Applicant: 武汉大学
CPC classification number: G06K9/6239 , G06T7/00 , G06T2207/10032
Abstract: 本发明公开了一种高光谱图像混合像元分解算法，基于非负矩阵分解模型，利用丰度的平滑和分离特征对丰度进行约束，来进行端元和丰度的估计。本发明在对丰度进行平滑约束时，考虑到边界点和异常点的存在所带来的不平滑现象，利用图像的光谱信息将这些不平滑的像元对排除在平滑约束之外，并利用光谱信息，根据热核公式计算像元对之间的平滑权值，越相似的像元其权值越大。用计算得到的权值对像元对的丰度进行平滑约束。分离约束的引入可以避免产生过平滑现象，得到一个更稳定的端元和丰度估计结果。
-
公开(公告)号：CN119888172A
公开(公告)日：2025-04-25
申请号：CN202411926188.2
申请日：2024-12-25
Applicant: 武汉大学
IPC: G06V10/25 , G06V20/10 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/77 , G06V10/143 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及遥感图像处理技术领域，特别涉及一种多模态遥感图像的目标检测方法及装置，其中，方法包括：基于检测目标的第一模态遥感图像和第二模态遥感图像，获取对应的多尺度提取特征；基于多尺度提取特征分别获取两个模态遥感图像的尺度提取特征；将第一尺度提取特征和第二尺度提取特征分别输入至预先构建的Mamba交互模块中，以获取两个模态遥感图像的高维交互特征；将多尺度提取特征和高维交互特征分别输入至预先构建的偏移引导融合模块中，以得到两个模态遥感图像之间的多维度融合特征，进而生成最终的目标检测结果。由此，解决了相关技术中，由于物体位置和特征之间存在差异，导致检测模型的精度不好和整体性能较差等问题。
-
公开(公告)号：CN119810657A
公开(公告)日：2025-04-11
申请号：CN202411875850.6
申请日：2024-12-19
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/58 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本发明公开一种非监督双掩码图自编码器特征提取的高光谱影像分类方法，包括如下步骤：步骤1，获取高光谱遥感图像；步骤2，对高光谱遥感影像进行数据预处理，得到基于空间‑光谱信息构建的初始图；步骤3，从所述初始图导出节点分支和边分支，借助图掩码自编码器构建双分支图掩码‑重构结构来进行特征处理，所述图掩码自编码器的编码器用于基于跳跃连接的多级GCN‑Transformer并联编码器结构，来提取图结构的局部和全局信息特征；步骤4，将图掩码自编码器中编码器最后一层提取的图结构的特征转换为像素特征，将像素特征用于监督分类模型分类；本发明有着精度高、效率高的优点。
-
公开(公告)号：CN118864959A
公开(公告)日：2024-10-29
申请号：CN202410899196.6
申请日：2024-07-05
Applicant: 武汉大学
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/774 , G06V10/58 , G06V20/70 , G06V10/77 , G06N3/042 , G06N3/045 , G06N3/0895 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种基于通用知识嵌入对比学习的高光谱图像分类方法及系统，通过将高光谱图像按维度分割、降维，输入到半监督学习模型进行分类；本发明设计了一种新的高光谱数据处理流水线获得了标签样本和无标签样本，并融合监督学习损失和对比学习损失构建了一种半监督学习模型。监督分类模型是通过对骨干网络和监督头迭代优化构建，非监督模型则通过最大化两个特征提取分支的相似性来优化。本发明在无监督模型中引入了特定任务知识，从而构建了一个新颖的半监督学习模型，这将大大加快网络拟合速度，提高模型性能。此外，本发明还为该框架设计了能自适应融合监督学习和对比学习的自动加权损失，更好地将完成高光谱影像分类任务。
-
Patent Agency Ranking
公开(公告)号：CN117333428A
公开(公告)日：2024-01-02
申请号：CN202310643481.7
申请日：2023-06-01
Applicant: 武汉大学
Abstract: 本发明公开了一种CT影像分割方法、装置、设备及存储介质,其中该方法包括步骤:采集CT影像数据集；对采集的CT影像数据集进行图像处理；将处理后的CT影像数据集输入基于多层注意力机制与辅助增强框架的CT影像分割网络中，得到预测分割结果和预测的边缘图；根据所述预测分割结果和预测的边缘图，确定最终预测结果，以对CT影像进行分割。本申请能够提高病灶整体分割效果并且减少了训练时间和计算成本，又维持了较高的分割精度。
-
公开(公告)号：CN116612416A
公开(公告)日：2023-08-18
申请号：CN202310624309.7
申请日：2023-05-30
Applicant: 武汉大学
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请涉及一种指代视频目标分割方法、装置、设备及可读存储介质，包括对目标视频序列和目标语言描述内容进行特征提取，得到图像特征、句子级文本特征和单词级文本特征；对上述特征进行特征提取和帧级空间信息提取，得到图像帧特征和帧级实例嵌入；对帧级实例嵌入进行时空维度合并且进行时空一致性建模和时空表征学习，生成目标实例特征，并对其和视频级查询嵌入进行时空信息聚合处理，生成视频级实例嵌入；对视频级实例嵌入进行线性变换得到分类概率和条件卷积核，对条件卷积核和图像帧特征进行卷积运算得到多个掩码预测序列；基于分类概率从多个掩码预测序列中筛选出目标掩码预测序列作为视频目标分割结果，有效提升了时空一致性和准确性。
-
公开(公告)号：CN116485646A
公开(公告)日：2023-07-25
申请号：CN202310400906.1
申请日：2023-04-14
Applicant: 武汉大学
IPC: G06T3/40 , G06T3/60 , G06N3/045 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于微注意力的轻量化图像超分辨率重建方法及装置，涉及计算机视觉领域，其中，重建方法包括：基于移动分组卷积、可变多头蓝图自注意力和蓝图前馈神经网络构建混合注意力Transformer模块；收集预设数量的高低分辨率图像对，将收集的图像剪裁至预设像素大小并进行旋转处理，作为训练图像；基于微注意力机制和混合注意力Transformer模块，构建轻量化图像超分辨网络；基于训练图像训练轻量化图像超分辨网络，并使用Adam优化器计算梯度和更新轻量化图像超分辨网络的参数；基于训练完成的轻量化图像超分辨网络，对待处理图像进行浅层特征和深层特征提取，并通过普通卷积和像素重组完成图像超分辨重建。有效地降低了模型复杂度，提高了图像处理效率。
-
公开(公告)号：CN112991181B
公开(公告)日：2023-03-24
申请号：CN202110346999.5
申请日：2021-03-31
Applicant: 武汉大学
IPC: G06T3/40 , G06V10/774
Abstract: 本发明属于计算机视觉领域，尤其涉及一种基于反应扩散方程的图像超分辨率重建方法。该方法提出了新的反应扩散模块和级联深度框架。反应扩散模块将反应扩散方程嵌入深度模型，由深度模型学习生成求解方程所需参数，进而引导图像超分辨率重建任务中局部图纹的生成，降低了超分任务的难度。级联深度框架级联了多个特征变换和反应扩散模块，使得超分任务被划分成小的部分交给模型不同深度的部分完成，降低了模型训练的难度。最后搭建了一个新的深度超分模型，在不降低超分性能的情况下，大幅减少了超分模型的参数数量与模型深度，降低了深度超分模型应用的难度。
-
公开(公告)号：CN114926342A
公开(公告)日：2022-08-19
申请号：CN202210612479.9
申请日：2022-05-31
Applicant: 武汉大学
IPC: G06T3/40 , G06V10/25 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本申请涉及一种图像超分辨率重建模型构建方法、装置、设备及存储介质，涉及计算机视觉技术领域，包括获取训练数据集，训练数据集包括高分辨率图像以及与高分辨率图像对应的低分辨率图像；构建图像超分辨率网络，超分辨率网络包括浅层特征提取模块、深层特征提取模块和图像重建模块，深层特征提取模块包括4个具有迭代作用的基于混合空洞卷积的残差特征蒸馏子模块，基于混合空洞卷积的残差特征蒸馏子模块用于迭代提取图像深层特征信息和图像细粒度信息；基于训练数据集对图像超分辨率网络进行训练，得到图像超分辨率重建模型。本申请能够在保证图像超分辨率重建结果的同时，减小模型的容量和计算消耗以及提升模型的推理速度。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.022 seconds)
