公开(公告)号：CN116935187A

公开(公告)日：2023-10-24

申请号：CN202310977795.0

申请日：2023-08-04

Applicant: 西安电子科技大学

Inventor： 陈亚涵 ,  任仲乐 ,  侯彪 ,  王凯 ,  罗星宇 ,  任博 ,  杨晨 ,  焦李成

IPC: G06V10/82 ,  G06V20/10 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/0895

Abstract: 基于掩码增强和自注意力机制的无监督域自适应SAR影像的水体提取方法、系统、设备及介质，方法包括：从存在域差异的高分辨率大场景SAR影像中，选取一张为源域图像，另一张为目标域图像，对源域和目标域图像分别标签，将图像及对应标签均进行裁剪；构建深度自注意力网络；建立掩码增强模块，获取包含局部信息的目标域掩码增强图像；使用无监督域自适应方法和掩码增强模块对深度自注意力网络在线自训练；重复并达到最大训练次数，获得训练好的网络模型；将目标域图像及对应标签送入训练好的网络模型进行水体提取，得到预测结果图，计算分类指标；系统、设备及介质用于实现该方法；本发明能够进一步关注不容易被提取的水体精细特征，且提高了模型泛化能力。

公开(公告)号：CN115565019A

公开(公告)日：2023-01-03

申请号：CN202211380456.6

申请日：2022-11-04

Applicant: 西安电子科技大学

Inventor： 任仲乐 ,  杜哲 ,  汪浩然 ,  陈亚涵 ,  刘少博 ,  侯彪 ,  焦李成

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/40 ,  G06V10/82

Abstract: 一种基于深度自监督生成对抗的单通道高分辨SAR图像地物分类方法，上游自监督任务采用循环生成对抗网络进行多域图像风格转换任务，将不同属性的源域真实图像风格转换为目标属性的目标域生成图像；并使用对抗网络判别图像来自于源域还是目标域，同时提取图像的属性特征进行分类并对齐特征分布；在下游地物分类任务中，迁移上游训练良好的特征编码器作为预训练模型，使用少量有标记样本对分类模型进行微调；本发明通过上游自监督任务为下游地物分类任务提供训练良好且通用性好的特征编码器，缓解有监督训练样本缺乏、特征泛化性不足的缺陷，提升模型的分类性能。