-
公开(公告)号：CN111368896B
公开(公告)日：2023-07-18
申请号：CN202010128528.2
申请日：2020-02-28
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于密集残差三维卷积神经网络的高光谱遥感图像分类方法，以原始高光谱数据作为网络输入，采用三维卷积提取高光谱遥感图像的三维空谱特征，三维卷积可以直接对高光谱图像进行处理，不需要进行降维等预处理操作，更充分地提取高光谱图像的空谱特征。利用密集残差网络加深网络层数，学习更深层次的光谱和空间特征，随着网络深度的增加，残差网络可以有效减少梯度消失的问题，并且该结构可以更有效地利用特征并增强卷积层之间的特征传递；通过早停的方法来缩减训练时间，通过Soft‑max分类器进行分类预测，得到初始分类结果；提出多标签条件随机场优化算法，对分类的结果进行优化。本发明提升运算效率，提高了遥感图像分类的准确度。
-
公开(公告)号：CN111368896A
公开(公告)日：2020-07-03
申请号：CN202010128528.2
申请日：2020-02-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于密集残差三维卷积神经网络的高光谱遥感图像分类方法，以原始高光谱数据作为网络输入，采用三维卷积提取高光谱遥感图像的三维空谱特征，三维卷积可以直接对高光谱图像进行处理，不需要进行降维等预处理操作，更充分地提取高光谱图像的空谱特征。利用密集残差网络加深网络层数，学习更深层次的光谱和空间特征，随着网络深度的增加，残差网络可以有效减少梯度消失的问题，并且该结构可以更有效地利用特征并增强卷积层之间的特征传递；通过早停的方法来缩减训练时间，通过Soft-max分类器进行分类预测，得到初始分类结果；提出多标签条件随机场优化算法，对分类的结果进行优化。本发明提升运算效率，提高了遥感图像分类的准确度。
-
公开(公告)号：CN112183414A
公开(公告)日：2021-01-05
申请号：CN202011068687.4
申请日：2020-09-29
Applicant: 南京信息工程大学
Abstract: 本发明提出了一种基于混合空洞卷积的弱监督遥感目标检测方法。本发明采用混合空洞卷积、注意力机制和多层池化等多种定制设计，增强多尺度特征提取及融合，提高对不同尺寸对象的鲁棒性。此外，本发明利用强监督和弱监督检测器之间的异步迭代交替训练，只需要图像级真实标签即可进行训练和检测，达到协同提升检测性能的目标。
-
-
Search Results
3
records
(took 0.022 seconds)
