基于代理注意力和VIT架构的高光谱图像分类方法

    公开(公告)号:CN119942250A

    公开(公告)日:2025-05-06

    申请号:CN202510435730.2

    申请日:2025-04-09

    Applicant: 湘潭大学

    Abstract: 本发明公开了一种基于代理注意力和VIT架构的高光谱图像分类方法,属于图像分类领域,包括以下步骤:对高光谱影像数据进行预处理,并划分为训练集和测试集;构建基于代理注意力和VIT架构的高光谱图像分类模型;采用训练集对高光谱图像分类模型进行训练;将测试集中的高光谱数据输入到训练好的高光谱图像分类模型中,推理得到预测类别,并通过评价指标对得到的预测类别进行评价。本发明通过构建基于代理注意力的代理注意力编码器,通过L层级联的代理注意力编码器进行层次化特征提取,实现对初始特征编码矩阵中空间‑光谱信息的逐层融合与增强,在保持较强表示能力的同时显著降低了计算复杂度,实现了计算效率和特征表达能力的良好平衡。

    一种基于高阶交互卷积网络的高光谱图像分类方法

    公开(公告)号:CN118506112A

    公开(公告)日:2024-08-16

    申请号:CN202410962844.8

    申请日:2024-07-18

    Applicant: 湘潭大学

    Abstract: 本发明公开了一种基于高阶交互卷积网络的高光谱图像分类方法,属于遥感影像信息处理领域,包括以下步骤:数据预处理;模型建立:设计一种基于高阶交互卷积网络的高光谱图像分类模型,其采用Swin Transformer的层次化结构,构建四级下采样模块和特征提取模块,再经解码器逐像素类别预测,其中特征提取模块包括高阶交互卷积模块和光谱空间线性双注意力模块;模型训练;模型验证推理。本发明引入RMKV架构替代VIT,提高了识别精度,将VIT的二次计算复杂度降低到线性水平;使用卷积框架实现了Transformer结构的自注意力操作,缓解了ViT中有限的局部信息交互和单一特征表示,提高了语义特征的识别精度。

    一种基于局部表面分布与连续编解码金字塔的点云语义分割模型

    公开(公告)号:CN117095170A

    公开(公告)日:2023-11-21

    申请号:CN202311140950.X

    申请日:2023-09-06

    Applicant: 湘潭大学

    Abstract: 本发明公开了一种基于局部表面分布与连续编解码金字塔的点云语义分割模型。本发明包括以下步骤:1、模型建立,设计一种基于局部表面分布与连续编解码金字塔的点云语义分割模型来增强局部点的空间结构特征并缓解浅层语义特征语因预测能力不足而导致精度下降。2、模型训练,首先对数据集预处理,然后对建立的模型进行训练。3、模型推理,将测试集的点云输入训练好的模型中,推理其语义类别预测值,评估预测准确度。本发明是一种针对点云语义分割的神经网络模型,特别是提供了基于局部表面分布来提取空间结构信息与连续编解码金字塔结构来优化浅层语义信息的统一建模方法,获得了在点云语义分割领域较好的分割效果。

    一种基于高阶交互卷积网络的高光谱图像分类方法

    公开(公告)号:CN118506112B

    公开(公告)日:2024-10-01

    申请号:CN202410962844.8

    申请日:2024-07-18

    Applicant: 湘潭大学

    Abstract: 本发明公开了一种基于高阶交互卷积网络的高光谱图像分类方法,属于遥感影像信息处理领域,包括以下步骤:数据预处理;模型建立:设计一种基于高阶交互卷积网络的高光谱图像分类模型,其采用Swin Transformer的层次化结构,构建四级下采样模块和特征提取模块,再经解码器逐像素类别预测,其中特征提取模块包括高阶交互卷积模块和光谱空间线性双注意力模块;模型训练;模型验证推理。本发明引入RMKV架构替代VIT,提高了识别精度,将VIT的二次计算复杂度降低到线性水平;使用卷积框架实现了Transformer结构的自注意力操作,缓解了ViT中有限的局部信息交互和单一特征表示,提高了语义特征的识别精度。

    一种基于顶点扩散和填充滤波的大规模点云的高质量图像映射方法

    公开(公告)号:CN118674851A

    公开(公告)日:2024-09-20

    申请号:CN202410598011.8

    申请日:2024-05-14

    Applicant: 湘潭大学

    Abstract: 本发明公开了一种基于顶点扩散和填充滤波的大规模点云的高质量图像映射方法,该方法包括:步骤(1)旋转,对点云旋转以调整映射位置;步骤(2)体素化,对大规模点云体素化,减轻计算成本和资源消耗;步骤(3)顶点扩散,将体素单元轴z轴最高点(顶点)扩散到近邻体素单元中;步骤(4)点云映射图像,将步骤(1)~(3)处理后的点云映射到二维图像;步骤(5)填充滤波,对图像中未被映射的像素进行填充,生成最终高质量图像。本发明是一种针对大规模点云映射为高质量图像的方法,特别是提供了一种顶点扩散和填充滤波的操作,提升了映射图像像素的连续性与点云重叠结构在图像中的可视化效果。

    一种基于双向多尺度注意力的水利环境下的点云分割方法

    公开(公告)号:CN117351212A

    公开(公告)日:2024-01-05

    申请号:CN202311621825.0

    申请日:2023-11-30

    Applicant: 湘潭大学

    Abstract: 本发明公开了一种基于双向多尺度注意力的水利环境下的点云分割方法,包括以下步骤:数据预处理,得到最终经过预处理的点云坐标和点云特征;建立模型:通过分析双向的多尺度注意力过程,设计双向多尺度自注意力子模块,构建端到端的语义分割深度学习网络模型;模型的训练和测试:确定所建立的语义分割深度学习网络模型的参数,并检验所设计的语义分割深度学习网络模型的分割效果。本发明提出的基于双向多尺度注意力的水利环境下的点云分割方法在针对水利场景点云语义分割的问题上相对于其他算法提高了精度,优化了可视化结果。

Patent Agency Ranking