一种面向复杂网络结构的递进式模型压缩方法

    公开(公告)号:CN119047524A

    公开(公告)日:2024-11-29

    申请号:CN202411158489.5

    申请日:2024-08-22

    Abstract: 一种面向复杂网络结构的递进式模型压缩方法,本发明属于卷积神经网络轻量化领域,涉及面向复杂网络结构的递进式模型压缩方法。本发明的目的是为了解决已有的轻量级网络设计方法难以应用在结构复杂的基础模型上,以及已有的轻量级网络不适用于对检测速度和检测精度同时有较高要求的场景的问题。过程为:步骤1、对用于图像识别的目标模型做滤波器剪枝与通道数对齐;步骤2、给定步骤1完成滤波器剪枝与通道数对齐后的目标模型的损失函数;将特征图输入步骤1完成滤波器剪枝与通道数对齐后的目标模型,目标模型每一个卷积层l输出yl,使用反向传播算法计算损失函数相对于yl的梯度Tl:根据梯度,将卷积层中卷积操作替换为轻量级卷积操作。

    多视角高分遥感图像稀疏主成分对齐方法

    公开(公告)号:CN114782763A

    公开(公告)日:2022-07-22

    申请号:CN202210545904.7

    申请日:2022-05-19

    Abstract: 多视角高分遥感图像稀疏主成分对齐方法,本发明涉及多视角高分遥感图像对齐方法。本发明的目的是为了解决现有高空间分辨率遥感图像成像时存在的多角度问题,该问题导致遥感图像分类准确率低。过程为:1:利用稀疏主成分分析方法对获取的待处理的源域图像和带标签的目标图像进行计算,得到待处理的源域图像的特征向量和带标签的目标图像的特征向量;2:将待处理的源域图像的特征向量和带标签的目标图像的特征向量进行变换,从而使待处理的源域图像和带标签的目标图像的数据分布进行对齐,得到对齐后的待处理的源域图像和带标签的目标图像;3:基于监督式分类方法完成对待处理的源域图像的分类结果。本发明用于遥感图像处理领域。

    一种基于目标增强的高空间分辨率遥感图像场景分类方法

    公开(公告)号:CN111695436B

    公开(公告)日:2022-05-13

    申请号:CN202010426582.5

    申请日:2020-05-19

    Abstract: 一种基于目标增强的高空间分辨率遥感图像场景分类方法,它属于遥感图像场景分类技术领域。本发明解决了高空间分辨率遥感图像中地物形式多样、空间分布复杂,导致对图像场景分类精度低,以及采用手工分类方法效率低的问题。本发明利用计算机视觉中的显著性机制,对高分辨率遥感图像进行显著性增强处理。提出一种反复注意结构,并在此基础上构建一个有效的基于目标增强的高空间分辨率遥感图像场景分类方法。本发明方法受到人类视觉系统注意机制的启发,通过迭代图像特征的方式对图像显著特征进行增强,再不断学习进而专注于图像关键区域,这样可以有效提高分类精度,也可以加快收敛速度,提高学习效率。本发明可以应用于遥感图像场景分类。

    基于多时相本征图像分解的地物光谱反射率图像提取方法

    公开(公告)号:CN111899257A

    公开(公告)日:2020-11-06

    申请号:CN202010818747.3

    申请日:2020-08-14

    Inventor: 高国明 谷延锋

    Abstract: 基于多时相本征图像分解的地物光谱反射率图像提取方法,本发明涉及多/高光谱遥感图像反射率信息提取。本发明的目的是为了解决现有多/高光谱遥感图像本征反射率信息提取精度低、鲁棒性差的问题。过程为:一:建立多时相遥感图像本征反射率信息表达模型;二:构建局部时-空能量约束下的分解约束模型;三:将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化求解模型;四:给定多时相遥感图像和初始化参数,基于步骤三的迭代优化求解模型,求出最终本征反射率。本发明用于数字图像处理领域。

    一种基于目标增强的高空间分辨率遥感图像场景分类方法

    公开(公告)号:CN111695436A

    公开(公告)日:2020-09-22

    申请号:CN202010426582.5

    申请日:2020-05-19

    Abstract: 一种基于目标增强的高空间分辨率遥感图像场景分类方法,它属于遥感图像场景分类技术领域。本发明解决了高空间分辨率遥感图像中地物形式多样、空间分布复杂,导致对图像场景分类精度低,以及采用手工分类方法效率低的问题。本发明利用计算机视觉中的显著性机制,对高分辨率遥感图像进行显著性增强处理。提出一种反复注意结构,并在此基础上构建一个有效的基于目标增强的高空间分辨率遥感图像场景分类方法。本发明方法受到人类视觉系统注意机制的启发,通过迭代图像特征的方式对图像显著特征进行增强,再不断学习进而专注于图像关键区域,这样可以有效提高分类精度,也可以加快收敛速度,提高学习效率。本发明可以应用于遥感图像场景分类。

    一种基于多连接决策流形对准的高分辨率多时相遥感图像分类方法

    公开(公告)号:CN106485277B

    公开(公告)日:2019-06-11

    申请号:CN201610887971.1

    申请日:2016-10-11

    Inventor: 谷延锋 高国明

    Abstract: 一种基于多连接决策流形对准的高分辨率多时相遥感图像分类方法,本发明涉及高分辨率多时相遥感图像分类方法。本发明的目的是为了解决高分条件下的多时相对准分类的问题。具体过程为:一、输入源时相和目标时相中所有空间点的光谱矩阵A与B,以及A中各行相应类别标签向量Y;二、分别计算A、B以及A与B中各行之间的W1、W2和W12;三、通过多连接决策方式计算W1、W2所对应的G1、G2,以及W12的多连接决策优化;四、将A、B、G1、G2和W12输入到非依赖性光谱对准模型中,获得A、B在对准空间的映射矩阵F1和F2;五、通过KNN分类模型分类,获得目标时相的分类标签。本发明用于图像分类领域。

    一种基于多光谱遥感图像的水体藻类污染检测方法

    公开(公告)号:CN106353256B

    公开(公告)日:2019-01-18

    申请号:CN201610989466.8

    申请日:2016-11-10

    Inventor: 谷延锋 高国明

    Abstract: 一种基于多光谱遥感图像的水体藻类污染检测方法,本发明涉及基于多光谱遥感图像的水体藻类污染检测方法。本发明是为了解决在传统利用多光谱遥感图像进行水污染大面积快速检测时造成的严重水污染区域漏检、水污染区域误判的问题。具体过程为:一、输入监控区域的多光谱遥感图像数据和该数据中相应的波段参数;二、筛选输入监控区域的多光谱遥感图像数据中相应的波段分别与固定的三个用于水体藻类污染检测的波段最临近的波段;三、计算新的水体指数WI,基于WI进行水域提取;四、计算水域区域的NDPI;五、进行水体藻类污染制图,并根据设定的藻类污染预警指数进行水体藻类污染区域提取。本发明用于水体藻类检测领域。

    一种植物生长阶段视频检测方法
    8.
    发明公开

    公开(公告)号:CN116977862A

    公开(公告)日:2023-10-31

    申请号:CN202311066878.0

    申请日:2023-08-23

    Abstract: 一种植物生长阶段视频检测方法,本发明涉及植物生长阶段视频检测方法。本发明的目的是为了解决现有的植物生长阶段检测算法无法准确划分植物生长阶段的问题。过程为:1:构建神经网络模型,获得训练好的神经网络模型;过程为:11:获取训练集;12:构建I3D网络,将植物生长阶段视频输入I3D网络,提取植物生长阶段视频特征序列;13:利用Transformer网络编码器对特征序列进行编码,利用解码器的动作分类头和边界回归头分别输出动作类别、动作边界;14:获得训练好的神经网络模型;2:获得待测植物生长阶段视频对应的动作类别、动作边界。本发明属于时序行为检测领域。

    多视角高分遥感图像稀疏主成分对齐方法

    公开(公告)号:CN114782763B

    公开(公告)日:2022-11-11

    申请号:CN202210545904.7

    申请日:2022-05-19

    Abstract: 多视角高分遥感图像稀疏主成分对齐方法,本发明涉及多视角高分遥感图像对齐方法。本发明的目的是为了解决现有高空间分辨率遥感图像成像时存在的多角度问题,该问题导致遥感图像分类准确率低。过程为:1:利用稀疏主成分分析方法对获取的待处理的源域图像和带标签的目标图像进行计算,得到待处理的源域图像的特征向量和带标签的目标图像的特征向量;2:将待处理的源域图像的特征向量和带标签的目标图像的特征向量进行变换,从而使待处理的源域图像和带标签的目标图像的数据分布进行对齐,得到对齐后的待处理的源域图像和带标签的目标图像;3:基于监督式分类方法完成对待处理的源域图像的分类结果。本发明用于遥感图像处理领域。

Patent Agency Ranking