-
公开(公告)号：CN111967511B
公开(公告)日：2022-07-26
申请号：CN202010770721.6
申请日：2020-08-04
Applicant: 河海大学
Abstract: 本发明公开了一种基于异构特征融合网络的地基云图分类方法，包括如下步骤：(1)对多幅带有噪声的地基云图进行预处理；(2)分别对处理后的地基云图提取特征，使用手工特征提取方法结合费舍尔向量编码得到每张地基云图对应的特征向量；(3)将步骤(2)的输出投入一个四层全连接层网络，该网络的输出记为fc；(4)扩增训练集后，训练卷积神经网络模型，将fc与最后一个池化层得到的深层语义特征fg融合，经过全连接层得到每类对应的分类概率。本发明能够显著的提高地基云图分类识别任务的泛化能力，模型的鲁棒性强，多角度结合视觉信息，即使人为加入噪声也能精确定位云状，取得良好的识别结果。
-
公开(公告)号：CN111967511A
公开(公告)日：2020-11-20
申请号：CN202010770721.6
申请日：2020-08-04
Applicant: 河海大学
Abstract: 本发明公开了一种基于异构特征融合网络的地基云图分类方法，包括如下步骤：(1)对多幅带有噪声的地基云图进行预处理；(2)分别对处理后的地基云图提取特征，使用手工特征提取方法结合费舍尔向量编码得到每张地基云图对应的特征向量；(3)将步骤(2)的输出投入一个四层全连接层网络，该网络的输出记为fc；(4)扩增训练集后，训练卷积神经网络模型，将fc与最后一个池化层得到的深层语义特征fg融合，经过全连接层得到每类对应的分类概率。本发明能够显著的提高地基云图分类识别任务的泛化能力，模型的鲁棒性强，多角度结合视觉信息，即使人为加入噪声也能精确定位云状，取得良好的识别结果。
-
公开(公告)号：CN111192206A
公开(公告)日：2020-05-22
申请号：CN201911217831.3
申请日：2019-12-03
Applicant: 河海大学
Abstract: 本发明公开了一种提高图像清晰度的方法，包括如下步骤：利用生成器网络对输入图像进行特征信息的采集，生成器网络根据获取的特征信息生成图像；将生成器网络生成的图像与真实图像分别传入判别器网络，利用判别器网络判断生成的图像是否为真实图像，且提取生成器生成图像和真实图像的特征信息；根据所提取的特征信息，使用Adam算法计算损失函数，不断更新损失函数的参数，直至达到最优参数；完成训练生成清晰图像。本发明能够有效的提高图像清晰度，具备极好的应用价值。
-
-
Search Results
3
records
(took 0.013 seconds)
