公开(公告)号：CN118429721A

公开(公告)日：2024-08-02

申请号：CN202410653031.0

申请日：2024-05-24

Applicant: 哈尔滨工程大学

Inventor： 崔颖 ,  高山 ,  朱龙宇 ,  贾梦茹 ,  李可 ,  陈涛

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V20/10

Abstract: 本发明是一种基于域泛化的轻量化高光谱图像跨场景分类方法。本发明涉及图像处理分类技术领域，本发明获取高光谱数据，并构建跨场景数据集，搭建基于注意力机制辅助的级联瓶颈网络模型，得到若干在不同模型参数下的级联瓶颈网络模型；对若干在不同模型参数下的级联瓶颈网络模型进行训练；将若干在不同模型参数下的级联瓶颈网络模型在目标场景验证集上进行交叉验证，得到验证结果；从验证结果中筛选出分类效果最好的级联瓶颈网络模型作为目标分类模型，并通过目标分类模型对目标域的高光谱图像进行分类。本发明的基于注意力机制辅助的级联瓶颈网络模型只需要有限的源域样本即可完成训练，更加具有实际意义，鲁棒性也能够得到保证。

公开(公告)号：CN118570546A

公开(公告)日：2024-08-30

申请号：CN202410728403.1

申请日：2024-06-06

Applicant: 哈尔滨工程大学

Inventor： 高山 ,  崔颖 ,  贾梦茹 ,  陈涛 ,  李新羽 ,  朱佳 ,  田园 ,  张广

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82

Abstract: 视网膜动静脉分类方法、装置、计算程序产品及存储介质，图像处理及图像分割技术领域，尤其涉及视网膜动静脉的分类；解决了现有动静脉分类技术所存在的特征提取不准确、特征选择困难、计算复杂度高、泛化能力弱以及容易过度拟合的问题；所述方法包括以下步骤：模型训练步骤：采用训练集对空间多尺度注意机制网络模型进行训练，获得训练完成的空间多尺度注意机制网络模型；参数调整步骤：采用验证集对训练完成的空间多尺度注意机制网络模型输出的分类结果进行验证，通过调整参数筛选出最佳模型。所述的视网膜动静脉分类方法、装置、计算程序产品及存储介质，适用于视网膜动静脉的分类。