-
公开(公告)号：CN113052014B
公开(公告)日：2022-12-23
申请号：CN202110252470.7
申请日：2021-03-09
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于双层空间流形表示的高光谱图像分类方法，属于高光谱图像处理技术领域。首先，对高光谱图像数据进行预处理，并随机选择得到初始训练样本；然后，建立空间流形表示特征提取器，获得有效高光谱图像的特征；接着，将提取的特征送入分类器模块得到预分类概率；随后，将预分类概率送入空间流形表示分类器得到修正的分类概率；最后，分别根据预分类概率和修正的分类概率设计不同的损失函数，通过反向传播的方法对上述模型进行优化。训练完成后利用网络进行测试并获得最终得分类结果。本发明方法在有限的有标签的训练样本的情况下，大大提高了分类率。
-
公开(公告)号：CN115082307B
公开(公告)日：2024-03-19
申请号：CN202210525050.6
申请日：2022-05-14
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06T3/4046 , G06T3/4053 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于分数阶微分方程的图像超分辨率方法，首先，将深度神经网络的变换看做分数阶动力学系统，基于系统解决方案自动构建两个相互依赖的密集连接模块；其次，借助两个模块各自的功能，即控制系统迭代预测下一个状态的预测模块进行粗重建，以及迭代细化预测状态以提高预测精度的校正模块进行细重建，完成神经分数阶微分方程网络模型的结构设计，重建超分辨率图像；然后，迭代两个密集连接的模块的循环结构，具有内存效率并且可用于低功耗实际应用；最后，通过分析分数阶微分方程的解决方案的存在性和唯一性，从理论上保证了超分辨率神经分数阶微分方程网络模型的可行性，获得细节更加生动的图像超分辨结果。
-
公开(公告)号：CN115082307A
公开(公告)日：2022-09-20
申请号：CN202210525050.6
申请日：2022-05-14
Applicant: 西北工业大学深圳研究院 , 西北工业大学
Abstract: 本发明公开了一种基于分数阶微分方程的图像超分辨率方法，首先，将深度神经网络的变换看做分数阶动力学系统，基于系统解决方案自动构建两个相互依赖的密集连接模块；其次，借助两个模块各自的功能，即控制系统迭代预测下一个状态的预测模块进行粗重建，以及迭代细化预测状态以提高预测精度的校正模块进行细重建，完成神经分数阶微分方程网络模型的结构设计，重建超分辨率图像；然后，迭代两个密集连接的模块的循环结构，具有内存效率并且可用于低功耗实际应用；最后，通过分析分数阶微分方程的解决方案的存在性和唯一性，从理论上保证了超分辨率神经分数阶微分方程网络模型的可行性，获得细节更加生动的图像超分辨结果。
-
公开(公告)号：CN114926702B
公开(公告)日：2024-03-19
申请号：CN202210400572.3
申请日：2022-04-16
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/0985 , G06N3/084
Abstract: 本发明公开了一种基于深度注意力度量的小样本图像分类方法，首先，根据小样本任务中的少量标注样本构建跨类样本对；然后，使用变分自编码器建立以跨类样本对为条件的多模态权重分布；接着，根据多模态权重分布采样生成深度度量网络；最后，使用生成的深度度量网络进行小样本图像分类。本发明方法根据任务描述信息生任务自适应的深度度量，解决了非参数化距离度量导致判别能力不足以及参数化的线性分类器容易过拟合的问题。采用端到端的元学习方式，避免了训练任务特定的分类器带来的时间开销，在小样本图像分类中取得了较好的分类效果。
-
公开(公告)号：CN113052014A
公开(公告)日：2021-06-29
申请号：CN202110252470.7
申请日：2021-03-09
Applicant: 西北工业大学深圳研究院 , 西北工业大学
Abstract: 本发明涉及一种基于双层空间流形表示的高光谱图像分类方法，属于高光谱图像处理技术领域。首先，对高光谱图像数据进行预处理，并随机选择得到初始训练样本；然后，建立空间流形表示特征提取器，获得有效高光谱图像的特征；接着，将提取的特征送入分类器模块得到预分类概率；随后，将预分类概率送入空间流形表示分类器得到修正的分类概率；最后，分别根据预分类概率和修正的分类概率设计不同的损失函数，通过反向传播的方法对上述模型进行优化。训练完成后利用网络进行测试并获得最终得分类结果。本发明方法在有限的有标签的训练样本的情况下，大大提高了分类率。
-
Patent Agency Ranking
公开(公告)号：CN114926702A
公开(公告)日：2022-08-19
申请号：CN202210400572.3
申请日：2022-04-16
Applicant: 西北工业大学深圳研究院 , 西北工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了一种基于深度注意力度量的小样本图像分类方法，首先，根据小样本任务中的少量标注样本构建跨类样本对；然后，使用变分自编码器建立以跨类样本对为条件的多模态权重分布；接着，根据多模态权重分布采样生成深度度量网络；最后，使用生成的深度度量网络进行小样本图像分类。本发明方法根据任务描述信息生任务自适应的深度度量，解决了非参数化距离度量导致判别能力不足以及参数化的线性分类器容易过拟合的问题。采用端到端的元学习方式，避免了训练任务特定的分类器带来的时间开销，在小样本图像分类中取得了较好的分类效果。
-
公开(公告)号：CN119937704A
公开(公告)日：2025-05-06
申请号：CN202510056273.6
申请日：2025-01-14
Applicant: 西安微电子技术研究所 , 西北工业大学
IPC: G05F1/56
Abstract: 本发明公开了一种具有模式控制功能的微功耗快速响应低压差线性稳压器，包括双模控制器，双模控制器的负相输入端接外部分压电阻的SET端，双模控制器的正相端接GND，双模控制器的输出端与误差放大器的控制器的正相输入端连接，双模控制器用于调节稳压器为固定输出电压模式或可调输出电压模式；误差放大器负相输入端与基准电压VREF连接，输出端与具有电压钳位功能的驱动电路输入端连接；具有电压钳位功能的驱动电路的输出端与Mp1高压PMOS晶体管的栅极连接，衬底和源极接输入电压VIN，漏极接稳压器输出端OUT；该线性稳压器应用时不需要考虑电容类型和电容串联等效电阻，可以满足微功耗电子系统供电及电池供电系统的需要。
-
公开(公告)号：CN114943652B
公开(公告)日：2024-12-10
申请号：CN202210408527.2
申请日：2022-04-19
Applicant: 西北工业大学
Abstract: 本发明实施例公开了一种低照度遥感图像的高动态重建方法和装置，低照度遥感图像的高动态重建方法包括：获取低照度遥感图像；将低照度遥感图像数据映射至深度学习特征空间，得到深度特征Fx；根据深度特征Fx，确定短期特征ys和长期特征yl，短期特征ys为至少基于空间域的卷积操作确定的像素级动态特征，长期特征yl表征深度特征Fx经过基于Transformer的预训练模型处理后确定的表征特征间依赖关系；根据短期特征ys和长期特征yl，确定亮度增强曲线；根据亮度增强曲线，对低照度遥感图像进行逐像素调整。通过本发明，解决了现有技术中对低照度遥感图像进行高动态重建的精度较低的问题，提高了低照度遥感图像的高动态重建精度。
-
公开(公告)号：CN118710986A
公开(公告)日：2024-09-27
申请号：CN202410941401.0
申请日：2024-07-15
Applicant: 西北工业大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/096
Abstract: 本申请属于高光谱图像处理技术领域。本申请提供一种基于异源空间特征增强的端到端跨域小样本高光谱图像分类方法。该方法包括一个基础分类分支、一个基础模型分支和一个融合模块：基础分类分支的骨干网络是一个U‑Net，能够不损失空间信息地完成高光谱图像分类；基础模型分支先使用三通道图像学习模块自适应地从高光谱图像中学习最佳的三通道图像，再将其馈送到先验知识提取模块中的基础模型中迁移自然图像知识并进行细化；特征融合模块以分层的方式将两个分支的特征进行充分融合以获得增强的空间特征表示。本公开通过从具有丰富自然图像知识的基础模型中迁移空间信息增强高光谱图像的空间特征表示，能够提升小样本高光谱图像分类的性能。
-
公开(公告)号：CN115761298A
公开(公告)日：2023-03-07
申请号：CN202211189996.6
申请日：2022-09-28
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/70 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于类自适应特征嵌入的小样本图像分类方法，首先，为小样本任务中的每个类别进行上下文信息挖掘；然后，根据每个类别的上下文信息构建类别特定的隐式条件权重表征；之后，根据隐式条件权重表征为每个类别生成权重参数以建立类自适应的嵌入空间；最后，在类自适应的嵌入空间下，采用欧式距离度量的方式进行分类。本发明方法能将当前类别与其他类别很好地区分开，在小样本图像分类上取得了较好的性能。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.025 seconds)
