-
公开(公告)号：CN119169313A
公开(公告)日：2024-12-20
申请号：CN202411190300.0
申请日：2024-08-28
Applicant: 中国地质大学(武汉)
IPC: G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/46 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于不变特征与可变特征的图像解耦及匹配方法，其中图像解耦方法为：构建基于不变特征与可变特征的图像解耦网络；选取训练数据集中的任意两个待匹配图像块，分别输入网络中解耦得到可变特征数据和不变特征数据；通过预先构建的第一约束条件使不变特征提取网络输出的不变特征数据之间的距离达到第一预设最小值；将同一待匹配图像块的可变特征数据和不变特征数据进行融合重建得到重建图像；通过预先构建的第二约束条件使得重建图像与待匹配图像块之间的距离达到第二预设最小值；通过迭代训练，得到训练好的图像解耦网络，以用于图像的不变特征与可变特征的解耦。本发明解耦后的不变特征将包含更多的可匹配信息，可提高匹配效果。
-
公开(公告)号：CN116721301B
公开(公告)日：2023-10-24
申请号：CN202310999943.9
申请日：2023-08-10
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 本发明涉及图像处理技术领域，具体而言，涉及一种目标场景分类模型训练方法、分类方法、设备及存储介质。一种目标场景分类模型训练方法，包括：对遥感图像信息进行特征提取并生成融合特征；对融合特征和遥感图像信息分别提取边缘信息，并将提取的边缘信息进行融合得到增强边缘特征；将增强边缘特征和融合特征进行融合，得到边缘融合特征；将边缘融合特征进行通道特征加强，得到加强边缘融合特征；将加强边缘融合特征和对应的标签特征进行融合，得到遥感图像综合特征；将遥感图像综合特征特征输入分类器进行训练，得到目标场景分类模型。本发明的技术方案提高了目标场景分类模型对矿山目标场景的分类精度。
-
公开(公告)号：CN116740410A
公开(公告)日：2023-09-12
申请号：CN202310434291.4
申请日：2023-04-21
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种双模态目标检测模型构建方法、检测方法及计算机设备，涉及目标检测技术领域，包括：根据原始图像获取双模态图像；通过神经网络模块提取双模态图像的特征，得到初始双模态特征，并利用特征互补模块对双模态图像进行处理得到植被归一化指数；将初始双模态特征发送给特征互补模块，令特征互补模块利用植被归一化指数对初始双模态特征进行特征增强；将中间双模态特征输入图卷积模块得到图卷积双模态特征、第一预测结果和第二预测结果；将第一预测结果和第二预测结果输入超像素掩膜模块生成最终损失；根据最终损失对神经网络模块、特征互补模块和图卷积模块进行参数优化，得到双模态目标检测模型。本发明实现了增加目标检测精度。
-
公开(公告)号：CN116721301A
公开(公告)日：2023-09-08
申请号：CN202310999943.9
申请日：2023-08-10
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 本发明涉及图像处理技术领域，具体而言，涉及一种目标场景分类模型训练方法、分类方法、设备及存储介质。一种目标场景分类模型训练方法，包括：对遥感图像信息进行特征提取并生成融合特征；对融合特征和遥感图像信息分别提取边缘信息，并将提取的边缘信息进行融合得到增强边缘特征；将增强边缘特征和融合特征进行融合，得到边缘融合特征；将边缘融合特征进行通道特征加强，得到加强边缘融合特征；将加强边缘融合特征和对应的标签特征进行融合，得到遥感图像综合特征；将遥感图像综合特征特征输入分类器进行训练，得到目标场景分类模型。本发明的技术方案提高了目标场景分类模型对矿山目标场景的分类精度。
-
公开(公告)号：CN116645505A
公开(公告)日：2023-08-25
申请号：CN202310530344.2
申请日：2023-05-12
Applicant: 中国地质大学(武汉)
IPC: G06V10/26 , G06V10/40 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，提供一种基于多尺度和级联的神经网络遥感影像语义分割方法，包括：获取待处理遥感影像；将待处理遥感影像输入构建好的语义分割网络，输出语义分割结果；语义分割网络包括编码网络、特征增强模块、解码网络、语义分割模块；其中，编码网络包括卷积块和多个多尺度特征提取模块；特征增强模块包括多个信道激活模块；解码网络为多个卷积块、多个反卷积块以及多个跨层特征选择模块通过多重级联方式构成；语义分割模块包括多尺度物体引导模块和语义分割头。本发明的语义分割网络获取特征中具有代表性和区分度的特征，采用级联方式的解码网络对特征逐层解码，增强解码网络的语义理解能力，提高了遥感影像语义分割的精确度。
-
Patent Agency Ranking
公开(公告)号：CN113486876A
公开(公告)日：2021-10-08
申请号：CN202111050606.2
申请日：2021-09-08
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种高光谱影像波段选择方法、装置及系统。其中，方法包括：获取高光谱影像立方体，根据高光谱影像立方体生成多个超像素；对于每个超像素，构建用于反映超像素所含波段之间相似度的相似图；采用多图扩散融合策略根据所有相似图生成统一相似图；根据统一相似图对原始高光谱数据进行谱聚类得到多个高光谱子立方体；从每个高光谱子立方体中选择噪声值最小的波段作为特征波段以确定最优波段子集。通过在融合过程中嵌入每个超像素的空间和光谱信息来使得相似度较高的超像素具有更大贡献率，可以将高光谱影像中不同区域的地物信息融合进去，从而能够更加准确地描述不同波段之间的相互关系，进而能够更加准确地实现高光谱影像波段选择。
-
公开(公告)号：CN109509191A
公开(公告)日：2019-03-22
申请号：CN201811361543.0
申请日：2018-11-15
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种图像显著性目标检测方法及系统，具体提出了一个自下而上的通过相似图的学习和加权流行排序的显著性检测方法，引入一种无监督的学习方法来学习基于图像数据表象的相似图，通过将图像边界超像素设置为背景种子，利用相似矩阵中隐含的全局显著性置信度来对显著性排序进行加权。在这种方式下，具有较高显著性置信度的超像素将在最终显著图中被分配较高的显著性值，并且可以有效地抑制背景超像素。在三个数据集上进行综合评估表明，本发明的方法及系统普遍优于其他无监督的基于图的显著性检测方法。
-
公开(公告)号：CN116704363B
公开(公告)日：2024-01-26
申请号：CN202310573394.9
申请日：2023-05-22
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习模型的土地覆盖分类方法及装置，涉及遥感信息技术领域，深度学习模型包括对抗学习模块、对比学习模块、图卷积神经网络模块以及输出模块；对抗学习模块用于根据获取的遥感多光谱数据的源域数据以及目标域数据，生成相似目标域数据和相似源域数据；对比学习模块用于处理源域数据、目标域数据、相似目标域数据和相似源域数据，获得源域光谱特征和目标域光谱特征；图卷积神经网络模块用于处理源域光谱特征和目标域光谱特征，得到土地覆盖分类信息；输出模块用于解码土地覆盖分类信息，得到土地覆盖分类结果。通过对抗学习模块、对比学习模块和图卷积(56)对比文件Diya Zhang 等.Three-Stream and DoubleAttention-Based DenseNet-BiLSTM for FineLand Cover Classification of ComplexMining Landscapes《.Sustainability》.2022,全文.潘少明;王玉杰;种衍文.基于图卷积神经网络的跨域行人再识别.华中科技大学学报(自然科学版).2020,(09),全文.
-
公开(公告)号：CN116797787A
公开(公告)日：2023-09-22
申请号：CN202310573090.2
申请日：2023-05-22
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及图像处理技术领域，提供了一种基于跨模态融合与图神经网络的遥感影像语义分割方法，包括：获取RGB遥感图和对应的高程图；将所述RGB遥感图和所述高程图输入第一双流编码器‑解码器模块，输出第一重构特征图；将所述第一重构特征图输入图卷积神经网络模块，输出一级分类体系预测图像；将所述RGB遥感图、所述高程图以及所述一级分类体系预测图像输入构建好的语义分割网络，输出二级分类体系预测图像。本发明将一级分类体系预测图像的先验信息融入二级分类体系预测图像的预测过程中，可以引导网络关注不同类别间的差异化特征，提高分割的整体性，从而有效提升了遥感影像语义分割的精确度。
-
公开(公告)号：CN116453710B
公开(公告)日：2023-09-22
申请号：CN202310702073.4
申请日：2023-06-14
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种药物副作用预测方法、装置、电子设备及存储介质，涉及生物信息学技术领域。方法包括：根据待预测药物的分子式，确定原子特征矩阵和原子邻接矩阵，根据药物副作用集合，确定节点特征矩阵和节点邻接矩阵；根据原子邻接矩阵，确定第一原子特征矩阵，根据节点邻接矩阵，确定第一节点特征矩阵；根据原子特征与药物副作用之间的影响关系，确定第二原子特征矩阵和第二节点特征矩阵；融合第一原子特征矩阵和第二原子特征矩阵，确定预测原子特征矩阵，融合第一节点特征矩阵和第二节点特征矩阵，确定预测节点特征矩阵；根据预测原子特征矩阵和节点特征矩阵，确定待预测药物的预测矩阵。本发明可以提高了药物副作用预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
