公开(公告)号：CN117152606A

公开(公告)日：2023-12-01

申请号：CN202311067451.2

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 陈禾 ,  李灿 ,  庄胤 ,  张桐 ,  倪润峰 ,  周天行 ,  张志成 ,  陈亮

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0895 ,  G06N3/047

Abstract: 本发明公开了一种基于置信度动态学习的遥感图像跨域小样本分类方法，包括：获取源域和目标域的遥感图像数据；利用源域遥感图像数据对深度学习网络模型进行预训练获得预训练初始化参数；构建半监督跨域协同训练模型并加载初始化参数；基于源域遥感图像数据进行监督学习；进行半监督跨域协同训练模型处理；进行置信度动态学习策略处理；基于总损失函数对初始化参数更新获得用于小样本分类的深度学习网络模型；待测试遥感图像数据输入用于小样本分类的深度学习网络模型，获得对应的分类结果。本发明克服目前对目标域数据信息利用不充分和深度学习模型不确定性损害跨域学习的缺陷，提高深度学习模型的泛化能力，提升对遥感图像跨域小样本分类的性能。

公开(公告)号：CN117152504A

公开(公告)日：2023-12-01

申请号：CN202311069311.9

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 庄胤 ,  刘雨晴 ,  陈禾 ,  张桐 ,  倪润峰 ,  周天行 ,  张志成 ,  陈亮

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/0895

Abstract: 本发明公开了一种空间相关性引导的原型蒸馏小样本分类方法，包括利用无标签光学遥感图像对CNN‑ViT双分支混合异构网络模型进行自监督预训练，以获得自监督预训练后的CNN‑ViT双分支混合异构网络模型；利用有标签光学遥感图像的模式特征、上下文关系特征和空间特征对上述网络模型进行元训练，以获得用于小样本分类的CNN‑ViT双分支混合异构网络模型；将待分类光学遥感图像输入用于小样本分类的CNN‑ViT双分支混合异构网络模型，以获得待分类光学遥感数据的分类结果。本发明可有效捕获潜在的空间判别性语义信息，提高小样本条件下光学遥感图像分类性能，解决了在有限样本条件下的鲁棒性特征表征能力差、容易过拟合的问题。

公开(公告)号：CN117152503A

公开(公告)日：2023-12-01

申请号：CN202311067475.8

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 陈禾 ,  李灿 ,  庄胤 ,  张桐 ,  倪润峰 ,  周天行 ,  张志成 ,  陈亮

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/40 ,  G06V10/82 ,  G06V20/10 ,  G06N3/047 ,  G06N3/096 ,  G06N3/09

Abstract: 本发明公开了一种基于伪标签不确定感知的遥感图像跨域小样本分类方法，包括：获取源域遥感图像数据以及目标域遥感图像数据；利用源域遥感图像数据对深度学习骨干网络模型进行预训练，以获得深度学习骨干网络模型的预训练初始化参数；构建用于半监督跨域训练的教师‑学生网络模型；将源域遥感图像数据和目标域遥感图像数据输入教师‑学生网络模型进行训练，以获得训练后的深度学习骨干网络模型；将待测试遥感图像数据输入训练后的深度学习骨干网络模型，以获得待测试遥感图像数据的分类结果。本发明能够克服现有技术中高不确定性伪标签损害模型跨域学习的缺陷，提高深度学习方法对遥感图像跨域小样本分类的性能。

公开(公告)号：CN117473922A

公开(公告)日：2024-01-30

申请号：CN202311068339.0

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 陈禾 ,  谢愚 ,  庄胤 ,  张志成 ,  周天行 ,  倪润峰 ,  陈亮

IPC: G06F30/337 ,  G06F30/327 ,  G06F115/06 ,  G06F119/02

Abstract: 本发明公开了一种基于HITS的通用电路部分冗余加固方法和系统，所述方法包括：依据节点之间的连接关系生成节点关系矩阵；对所述节点关系矩阵进行HITS迭代，以获得所述节点的HITS值；基于所述HITS值，对所述节点进行降序排序，选取前第一数目个节点，作为待加固节点；所述第一数目是由最终确定的加固比例确定的；对所述待加固节点进行部分三模冗余加固。通过本发明的技术方案，能够在高可靠性要求下有效降低额外的资源开销。

公开(公告)号：CN117152072A

公开(公告)日：2023-12-01

申请号：CN202311067434.9

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 陈禾 ,  蔡妙鑫 ,  庄胤 ,  董珊 ,  倪润峰 ,  周天行 ,  张志成 ,  陈亮

IPC: G06T7/00 ,  G06V20/10 ,  G06V10/62 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明公开了一种基于两阶段特征金字塔网络的遥感图像变化检测方法，将两张不同时间同一地点的图像分别进行编码特征提取获得两个图像的编码特征图，将编码特征图进行相似性处理和自注意力空间增强处理获得初始差异注意力特征图，通过第一阶段特征金字塔处理和第二阶段特征金字塔处理获得重优化变化特征图，通过损失函数进行深度监督和优化获得优化后的两阶段特征金字塔网络模型，基于优化后的两阶段特征金字塔网络模型进行检测获得检测结果。本发明可以很好地在高分辨率遥感场景下进行变化检测，在面对类不平衡、目标尺度差异过大的遥感场景也能取得良好效果，提升了高分辨率遥感场景中变化检测的各类衡量指标。