公开(公告)号：CN117975279A

公开(公告)日：2024-05-03

申请号：CN202410240273.7

申请日：2024-03-04

Applicant: 重庆大学

Inventor： 罗甫林 ,  周天媛 ,  王小攀 ,  郭坦 ,  刘嘉敏

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06N3/0895 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及一种用于半监督高光谱变化检测的差分对比增强方法，属于深度学习技术领域。该方法包括以下步骤：S1：高光谱图像预处理；S2：数据集标注与划分；S3：将有限标记样本和大量无标记样本输入差分对比特征增强网络进行训练；S4：训练完成后对完整图像进行变化检测获得结果。本发明所述方法的性能优于其他的高光谱图像农田变化检测方法，本方法可以在有限标记样本条件下有效地训练模型，不需要额外的预检测和预训练。

公开(公告)号：CN115909112A

公开(公告)日：2023-04-04

申请号：CN202211653085.4

申请日：2022-12-20

Applicant: 重庆大学

Inventor： 罗甫林 ,  周天媛 ,  舒文强 ,  刘嘉敏 ,  马泽忠 ,  罗鼎 ,  王小攀

IPC: G06V20/17 ,  G06V20/10 ,  G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06N3/084 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明涉及一种多尺度差分深度特征融合的无人机高光谱遥感图像农田利用变化检测方法与系统，属于信息处理技术领域。该方法包括以下步骤：S1：获取目标区域遥感影像；S2：对获取的目标区域遥感影像进行预处理，获得训练样本数据；S3：将部分标记样本输入多尺度差分特征融合网络进行训练；S4：训练完成后对完整图像进行变化检测获得结果。本发明所述方法和系统的性能优于其他的高光谱图像农田变化检测方法，本方法可以更好地获得和分析变化成分，并且在检测细小变化方面比其他方法具有优势。

公开(公告)号：CN118072059A

公开(公告)日：2024-05-24

申请号：CN202410247386.X

申请日：2024-03-05

Applicant: 重庆大学

Inventor： 罗甫林 ,  刘怡 ,  郭坦 ,  段宇乐 ,  胡艳 ,  王小攀

IPC: G06V10/762 ,  G06V10/74 ,  G06V20/10 ,  G06V10/80 ,  G06V10/44 ,  G06V10/58 ,  G06V10/26 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/048

Abstract: 本发明涉及一种自监督双分支Transformer结构的高光谱遥感图像地物聚类方法，属于图像识别技术领域。该方法包括以下步骤：S1：对高光谱遥感图像进行超像素分割，获得训练样本数据；S2：将没有标记的样本数据输入到共享Autoformer模块，通过融合多级特征来学习HSI数据的全局属性信息；S3：将没有标记的样本数据输入到孪生Dual‑Former Graph模块(DFGM)中，提取HSI更加精确的图结构特征；S4：使用联合优化模块对共享Autoform er模块和孪生Dual‑Former Graph模块进行学习；S5：训练完成后对完整图像进行聚类获得结果。本发明所述方法和系统的性能优于其他的高光谱图像地物聚类方法，本方法可以更好地获得和分析地物成分，并且在捕获地物之间的结构关系方面比其他方法具有优势。

公开(公告)号：CN118552843A

公开(公告)日：2024-08-27

申请号：CN202410240275.6

申请日：2024-03-04

Applicant: 重庆大学

Inventor： 田小瑜 ,  罗甫林 ,  胡艳 ,  郭坦 ,  王小攀

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明涉及一种基于异构网络交叉消歧的高光谱图像偏标签学习方法，属于图像识别技术领域。该方法包括以下步骤：S1：数据读入；S2：数据预处理；S3：数据分块；S4：数据划分；S5：构建标签置信矩阵；S6：通过异构网络进行表示学习；S7：通过交叉标签消歧策略更新标签置信矩阵；S8：更新类别原型；S9：损失计算及参数更新。本发明所述方法的性能优于其他的偏标签学习方法，本方法可以更好地识别地物类型，并且对数据标注质量要求较低。

公开(公告)号：CN119295936A

公开(公告)日：2025-01-10

申请号：CN202411391927.2

申请日：2024-10-08

Applicant: 重庆大学

Inventor： 罗甫林 ,  周天媛 ,  王小攀 ,  郭坦 ,  付川 ,  石光耀

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0895 ,  G06V10/774 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明涉及一种自监督高光谱变化检测方法及系统，属于深度学习技术领域。该方法包括以下步骤：S1：高光谱图像预处理；S2：多尺度掩模变化模拟；S3：将单时相样本和经过掩膜模拟变化后得到的伪第二时相样本输入全局局部特征聚合编解码器进行训练；S4：训练完成后对完整图像进行变化检测获得结果。本发明所述方法的性能优于其他的高光谱图像农田变化检测方法，可以在无需标记样本和无需下游微调的条件下高效地训练模型。