-
公开(公告)号：CN117952845B
公开(公告)日：2024-08-06
申请号：CN202410064745.8
申请日：2024-01-17
Applicant: 大连理工大学
Abstract: 本发明属于图像信息处理技术领域，一种鲁棒的红外和可见光图像融合优化方法。本发明引入了图像分割来提供更多有用的语义信息，以指导图像融合任务的完成。在红外和可见光图像的融合任务上，本发明采用的元学习框架联合优化的方式，是在不同的源域上同时更新融合网络和分割网络的参数，然后在一个新的目标域上单独更新融合网络的参数，最终得到一个鲁棒性的融合模型，该模型能够在不同的域上适应和泛化。因此，本发明提出的融合方法相比于MetaFusion方法，在鲁棒性方面具有更大的优势，并且能在不同的域上适应和泛化。
-
公开(公告)号：CN116434024A
公开(公告)日：2023-07-14
申请号：CN202310434441.1
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开了一种目标特征嵌入的红外与可见光图像融合方法。本方法构建一个目标特征嵌入的红外与可见光图像融合方法，解决了目标检测任务与图像融合任务不匹配的问题，让目标检测任务有效的提升了图像融合的结果，并且目标检测元特征嵌入过程仅在训练过程中使用，训练完毕后在测试阶段并没有增加额外的计算量。
-
公开(公告)号：CN118587723B
公开(公告)日：2024-10-01
申请号：CN202411069095.2
申请日：2024-08-06
Applicant: 大连理工大学
IPC: G06V30/19
Abstract: 本发明属于计算机视觉图像处理技术领域，公开一种通过熵最大化进行风格词多样化以实现域泛化的方法，分为两个阶段，第一阶段学习风格词，产生多样化风格词提示；第二阶段利用生成的多样化风格词提示作为CLIP文本编码器的输入，在特征空间内模拟视觉特征的多样性，引导图像编码器学习域不变特征，实现遥感目标识别的域泛化。本发明利用预训练的CLIP模型帮助分类网络在仅使用一个源域数据的情况下学习域不变特征。在第一阶段通过风格多样性约束和熵最大化约束生成包含多种风格的风格词提示；在第二阶段利用风格词提示在特征空间内模拟视觉特征的多样性，降低了分类网络对多样化图像数据的依赖性，提高了分类网络的域泛化性能。
-
公开(公告)号：CN117952845A
公开(公告)日：2024-04-30
申请号：CN202410064745.8
申请日：2024-01-17
Applicant: 大连理工大学
IPC: G06T5/50 , G06T7/10 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明属于图像信息处理技术领域，一种鲁棒的红外和可见光图像融合优化方法。本发明引入了图像分割来提供更多有用的语义信息，以指导图像融合任务的完成。在红外和可见光图像的融合任务上，本发明采用的元学习框架联合优化的方式，是在不同的源域上同时更新融合网络和分割网络的参数，然后在一个新的目标域上单独更新融合网络的参数，最终得到一个鲁棒性的融合模型，该模型能够在不同的域上适应和泛化。因此，本发明提出的融合方法相比于MetaFusion方法，在鲁棒性方面具有更大的优势，并且能在不同的域上适应和泛化。
-
公开(公告)号：CN117952824A
公开(公告)日：2024-04-30
申请号：CN202410348970.4
申请日：2024-03-26
Applicant: 大连理工大学
IPC: G06T3/18 , G06T3/4046 , G06T3/4092 , G06N3/045 , G06N3/0464
Abstract: 本发明属于深度学习技术领域，公开了一种基于目标检测的遥感图像变形下采样方法，提出一种混合高斯变形模块，用于生成变形下采样的遥感图像；根据混合高斯变形模块与下游的相关性，将高分辨率图像自适应为变形的低分辨率图像目标检测任务；混合高斯变形模块由高斯密度网络、变形下采样网格生成网络和可变形采样器三部分组成。本发明研究了大尺度高分辨率图像遥感目标检测的速度和准确度相平衡的问题，并提出一种有效的旨在减少计算负荷的同时提高检测性能的方法。本发明通过该方法推动深度学习技术在遥感目标检测领域的效率问题处理上取得突破性进展。
-
Patent Agency Ranking
公开(公告)号：CN118587723A
公开(公告)日：2024-09-03
申请号：CN202411069095.2
申请日：2024-08-06
Applicant: 大连理工大学
IPC: G06V30/19
Abstract: 本发明属于计算机视觉图像处理技术领域，公开一种通过熵最大化进行风格词多样化以实现域泛化的方法，分为两个阶段，第一阶段学习风格词，产生多样化风格词提示；第二阶段利用生成的多样化风格词提示作为CLIP文本编码器的输入，在特征空间内模拟视觉特征的多样性，引导图像编码器学习域不变特征，实现遥感目标识别的域泛化。本发明利用预训练的CLIP模型帮助分类网络在仅使用一个源域数据的情况下学习域不变特征。在第一阶段通过风格多样性约束和熵最大化约束生成包含多种风格的风格词提示；在第二阶段利用风格词提示在特征空间内模拟视觉特征的多样性，降低了分类网络对多样化图像数据的依赖性，提高了分类网络的域泛化性能。
-
公开(公告)号：CN118097442B
公开(公告)日：2024-07-05
申请号：CN202410523937.0
申请日：2024-04-29
Applicant: 大连理工大学
IPC: G06V20/10 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/0895
Abstract: 本发明属于计算机视觉图像处理技术领域，一种多样性提示学习的少样本遥感目标识别泛化性的方法。用图像文本多模态的方式进行训练，将多个含有可学习的提示的文本向量输入参数固定的文本编码器得到文本特征，将图像输入到参数固定的图像编码器得到图像特征，用分类损失和风格多样性损失更新提示参数，直至DPL模型收敛。本发明在原CLIP模型的改进模型CoOp的基础上，增加多个不同的提示来提高文本风格描述的多样性。为使风格描述间互相远离，提出风格多样性损失，用使提示特征两两正交的方式使提示特征相互远离，从而提升模型的泛化性。为了使文本风格描述不偏离原始图像类别信息，用分类损失加以约束。本发明的方法提升了少样本遥感图像识别的泛化性。
-
公开(公告)号：CN116434037B
公开(公告)日：2023-09-22
申请号：CN202310434641.7
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464 , G06V10/764
Abstract: 本发明属于计算机视觉图像处理技术领域，提出一种基于双层优化学习的多模态遥感目标鲁棒识别方法。该方法设计了一种基于双层优化的训练方式引导模型自适应地学习需要学习的知识，同时利用调制网络对识别网络进行选择性激活，帮助识别网络学会如何更好地提取输入图像的特征表示。本发明能够充分利用现有数据深入挖掘模型的潜力，帮助模型摆脱多模态的干扰，解决模型在多模态目标数据上准确度降低的问题，让模型在有限的学习资源下获得更高的鲁棒性。
-
公开(公告)号：CN116434024B
公开(公告)日：2023-09-12
申请号：CN202310434441.1
申请日：2023-04-21
Applicant: 大连理工大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开了一种目标特征嵌入的红外与可见光图像融合方法。本方法构建一个目标特征嵌入的红外与可见光图像融合方法，解决了目标检测任务与图像融合任务不匹配的问题，让目标检测任务有效的提升了图像融合的结果，并且目标检测元特征嵌入过程仅在训练过程中使用，训练完毕后在测试阶段并没有增加额外的计算量。
-
公开(公告)号：CN118097442A
公开(公告)日：2024-05-28
申请号：CN202410523937.0
申请日：2024-04-29
Applicant: 大连理工大学
IPC: G06V20/10 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0455 , G06N3/0895
Abstract: 本发明属于计算机视觉图像处理技术领域，一种多样性提示学习的少样本遥感目标识别泛化性的方法。用图像文本多模态的方式进行训练，将多个含有可学习的提示的文本向量输入参数固定的文本编码器得到文本特征，将图像输入到参数固定的图像编码器得到图像特征，用分类损失和风格多样性损失更新提示参数，直至DPL模型收敛。本发明在原CLIP模型的改进模型CoOp的基础上，增加多个不同的提示来提高文本风格描述的多样性。为使风格描述间互相远离，提出风格多样性损失，用使提示特征两两正交的方式使提示特征相互远离，从而提升模型的泛化性。为了使文本风格描述不偏离原始图像类别信息，用分类损失加以约束。本发明的方法提升了少样本遥感图像识别的泛化性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.015 seconds)
