-
公开(公告)号：CN115965733A
公开(公告)日：2023-04-14
申请号：CN202310026751.X
申请日：2023-01-09
Applicant: 厦门大学
Abstract: 本发明公开了一种基于噪声自我感知的神经辐射场SAR图像模拟方法，包括以下步骤：S1、构建图像渲染网络模型；S2、对图像渲染网络模型进行训练，得到最佳的图像渲染网络模型；S3、将所需的SAR方向角输入到最佳的图像渲染网络模型中进行三维渲染，得到网络模拟的SAR图像；本发明将原本的二维图像生成问题转化为三维渲染问题，可以一般性地得到任意方向角下的SAR图像，该基于噪声自我感知的神经辐射场SAR图像模拟方法产生的结果与真实SAR图像有很高的相似度，模拟效果好。
-
公开(公告)号：CN110414620A
公开(公告)日：2019-11-05
申请号：CN201910719475.9
申请日：2019-08-06
Applicant: 厦门大学
Inventor： 周联昱
Abstract: 本发明公开了一种语义分割模型训练方法，其损失函数为：式中，P为预测向量，T为one-hot编码的标签向量；a及b为权重，a随着训练周期的增加而增大，b随着训练周期的增加而减小，且a+b＝1；α为调节因子，其取值范围位于 本发明定义了一种函数，并将其与Dice系数结合，获得新的损失函数，其不易在反向传播过程中出现梯度爆炸或消失的问题，同时，又对单个像素点分类是否正确敏感，对整体分类是否正确敏感，避免了单独使用Dice系数作损失函数时出现的梯度不稳定，又能防止类别不均衡问题。
-
公开(公告)号：CN110414620B
公开(公告)日：2021-08-31
申请号：CN201910719475.9
申请日：2019-08-06
Applicant: 厦门大学
Inventor： 周联昱
Abstract: 本发明公开了一种语义分割模型训练方法，其损失函数为：式中，P为预测向量，T为one‑hot编码的标签向量；a及b为权重，a随着训练周期的增加而增大，b随着训练周期的增加而减小，且a+b＝1；α为调节因子，其取值范围位于本发明定义了一种函数，并将其与Dice系数结合，获得新的损失函数，其不易在反向传播过程中出现梯度爆炸或消失的问题，同时，又对单个像素点分类是否正确敏感，对整体分类是否正确敏感，避免了单独使用Dice系数作损失函数时出现的梯度不稳定，又能防止类别不均衡问题。
-
公开(公告)号：CN115330599A
公开(公告)日：2022-11-11
申请号：CN202210955309.0
申请日：2022-08-10
Applicant: 厦门大学
Abstract: 本发明公开了一种利用生成对抗网络批量合成特定角度SAR图像的方法，包括以下步骤：S1、设定生成网络G，从隐空间Z随机采样得到的随机n维向量Z映射为不同尺度的SAR图片I，所有的SAR图片构成空间J；S2、设定针对SAR图片的多尺度判别网络J→R，输出输入图片为真实图片的概率；S3、利用生成对抗网络在图像空间训练，使生成网络能模拟真实的SAR图片；S4、解耦生成网络，获得和SAR图片方位角这一语义相关的方向向量n及边界向量Zinf；S5、利用生成网络G、方向向量n及边界向量Zinf，批量合成特定方位角的SAR图像序列；该方法根据SAR图片的特性精心设计了一种新颖的生成对抗网络结构和高效的SAR目标图像模拟算法，可以根据给定方位角生成高分辨率目标。
-
-
-
Search Results
4
records
(took 0.011 seconds)
