-
公开(公告)号：CN118247588A
公开(公告)日：2024-06-25
申请号：CN202410678270.1
申请日：2024-05-29
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06V10/58 , G06V10/77 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多尺度特征注意力的高光谱图像分类方法，包括以下步骤：（1）获取高光谱图像数据并进行预处理；（2）构建基于MSAM‑Net高光谱图像网络并进行训练，包括：基于多尺度CNN的高光谱图像特征提取模块、多尺度特征增强的金字塔挤压注意力机制模块、基于自注意力机制的Transformer编码特征学习模块；（3）将步骤（2）得到的结果输入基于softmax函数的线性分类器，以获取最终的类别信息；本发明设计了轻量化分类网络MSAM‑Net，减少了基于卷积神经网络和基于Transformer方法的计算成本，提升了模型的计算效率和分类性能；能够充分学习和处理高光谱图像中丰富的光谱和空间特征。
-
公开(公告)号：CN117726548A
公开(公告)日：2024-03-19
申请号：CN202410161201.3
申请日：2024-02-05
Applicant: 南京信息工程大学
IPC: G06T5/73 , G06T5/60 , G06V20/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于跨模态特征注意力交互的全色锐化方法，包括以下步骤：（1）获取、预处理数据集，制作训练样例图像；（2）利用基于深度图像先验的上采样方法，获得全色图像空间尺度下的高光谱图像；（3）利用重叠补丁嵌入模块分解和转换上采样的高光谱图像与全色图像，分别获得光谱特征与空间特征表示；（4）利用若干光谱‑空间注意力交互模块，直接交互、融合光谱特征与空间特征，获得融合的跨模态特征表示；（5）利用图像重建层还原维度，获得高空间分辨率的高光谱图像；本发明针对高维且异构的高光谱图像与全色图像，直接交互高光谱图像特征与全色图像特征，以较少的成本开销，实现不同模态图像数据的自注意力机制运算。
-
Patent Agency Ranking
公开(公告)号：CN119478257A
公开(公告)日：2025-02-18
申请号：CN202510055724.4
申请日：2025-01-14
Applicant: 南京信息工程大学
IPC: G06T17/00 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/09
Abstract: 本发明公开了一种基于图的三维扫描室内平面图重建方法，其特征在于，包括以下步骤：（1）获取开源数据集；（2）构建基元估计网络SeqPNet得到墙点热图；基元估计网络SeqPNet包括：墙体热图回归层、房间热图回归层及点热图回归层；依次生成三种类型的热图墙B、房间R和点P掩码得到墙点热图；（3）对墙点热图进行三角化、三角剪枝处理，得到初始图；（4）根据初始图求解最优子图，得到最终的重建结构；（5）评估重建结果；本发明有效地捕捉了细节，并保持了平面图的整体完整性。
-
公开(公告)号：CN117892195A
公开(公告)日：2024-04-16
申请号：CN202410057888.6
申请日：2024-01-16
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/213 , G06F18/10 , G06N3/048 , G06F18/2415
Abstract: 本发明公开了一种基于阈值去噪的干扰模式识别方法，包括：基于干扰信号的基带信号，获取预设格式干扰模式数据；利用训练好的干扰模式识别模型，对预设格式的干扰模式数据进行卷积处理，得到卷积处理数据；对卷积处理数据进行阈值提取，并基于提取后的阈值进行软阈值处理，得到去噪后的数据；对去噪后的数据进行分类处理，得到预设格式干扰模式数据的分类结果；本发明利用具有阈值去噪模块的干扰模式识别模型，对预设格式干扰模式数据集进行分类识别，提高噪声条件下干扰模式识别准确率。
-
公开(公告)号：CN117726548B
公开(公告)日：2024-05-10
申请号：CN202410161201.3
申请日：2024-02-05
Applicant: 南京信息工程大学
IPC: G06T5/73 , G06T5/60 , G06V20/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于跨模态特征注意力交互的全色锐化方法，包括以下步骤：（1）获取、预处理数据集，制作训练样例图像；（2）利用基于深度图像先验的上采样方法，获得全色图像空间尺度下的高光谱图像；（3）利用重叠补丁嵌入模块分解和转换上采样的高光谱图像与全色图像，分别获得光谱特征与空间特征表示；（4）利用若干光谱‑空间注意力交互模块，直接交互、融合光谱特征与空间特征，获得融合的跨模态特征表示；（5）利用图像重建层还原维度，获得高空间分辨率的高光谱图像；本发明针对高维且异构的高光谱图像与全色图像，直接交互高光谱图像特征与全色图像特征，以较少的成本开销，实现不同模态图像数据的自注意力机制运算。
-
公开(公告)号：CN116245736B
公开(公告)日：2023-07-21
申请号：CN202310527057.6
申请日：2023-05-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种图像块的正交位置编码表示方法及上采样模块实现方法，其中，正交位置编码表示方法包括以下步骤：S1将待渲染的目标超分辨率图像切割成多个超分辨率图像块；S2确定所述超分辨率图像块在相对坐标域中所对应的连续二元函数以及正交位置编码，正交位置编码为：利用傅里叶基分别对所述超分辨率图像块横向和纵向维度的坐标信息进行位置编码，之后将各个维度的位置编码一一相乘，得到一个综合的位置编码向量。本发明解决在任意尺度图像超分辨率中上采样模块的对称性问题：基于隐式神经表示的上采样模块需要通过数据增强来学习图像中的对称性，能够将图像中的对称性先验自然地引入，减小了神经网络训练的难度。
-
公开(公告)号：CN116245736A
公开(公告)日：2023-06-09
申请号：CN202310527057.6
申请日：2023-05-11
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种图像块的正交位置编码表示方法及上采样模块实现方法，其中，正交位置编码表示方法包括以下步骤：S1将待渲染的目标超分辨率图像切割成多个超分辨率图像块；S2确定所述超分辨率图像块在相对坐标域中所对应的连续二元函数以及正交位置编码，正交位置编码为：利用傅里叶基分别对所述超分辨率图像块横向和纵向维度的坐标信息进行位置编码，之后将各个维度的位置编码一一相乘，得到一个综合的位置编码向量。本发明解决在任意尺度图像超分辨率中上采样模块的对称性问题：基于隐式神经表示的上采样模块需要通过数据增强来学习图像中的对称性，能够将图像中的对称性先验自然地引入，减小了神经网络训练的难度。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
