-
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
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
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：CN106778885A
公开(公告)日：2017-05-31
申请号：CN201611219213.9
申请日：2016-12-26
Applicant: 重庆大学
IPC: G06K9/62
CPC classification number: G06K9/6274
Abstract: 本发明公开了一种基于局部流形嵌入的高光谱图像分类方法，1）对训练样本各数据点利用同类近邻点进行重构；2）利用各数据点的邻域以及各邻域点对应的重构点来构建类内图、类内重构图、类间图和类间重构图；3）在低维嵌入空间中，保持类内图和类内重构图的结构不变，抑制类间图和类间重构图的结构关系，得到从高维空间到低维空间的投射矩阵；4）通过投影矩阵，得到训练样本的低维嵌入特征；5）通过投影矩阵，将测试样本高维数据降维，得到测试样本低维嵌入；6）通过分类器即可对测试样本的低维嵌入进行分类，得到高光谱图像分类结果。本发明能更好地表征高光谱图像的内蕴属性，能够更有效地提取出鉴别特征，改善数据可分性。
-
公开(公告)号：CN105760839A
公开(公告)日：2016-07-13
申请号：CN201610096077.2
申请日：2016-02-22
Applicant: 重庆大学
CPC classification number: G06K9/6269 , G06K9/00523 , G06K9/629
Abstract: 本发明公开了一种基于多特征流形学习与支持向量机的轴承故障诊断方法，1)通过加速度传感器采集每种工况下滚动轴承在不同转速的振动加速度信号作为训练样本；2)对训练样本分别提取时域、频域和时频域特征参数；3)进行流行学习得到低维流形结构；4)通过传感器采集待测滚动轴承在转动时的振动加速度信号作为测试样本；5)提取测试样本的时域、频域和时频域特征参数；6)对测试样本进行流形学习得到低维流行结构；7)采用支持向量机分类方法对测试样本与训练样本进行匹配，将与测试样本最为匹配的训练样本所属的工况类别判定为测试样本的工况类别。本方法能够提高滚动轴承故障诊断的准确性和有效性。
-
公开(公告)号：CN119323690A
公开(公告)日：2025-01-17
申请号：CN202411389963.5
申请日：2024-10-08
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/774 , G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明涉及一种基于孪生重建网络的高光谱图像偏标签学习方法及系统，该方法属于图像识别技术领域。该方法包括以下步骤：S1：高光谱图像预处理：S2：数据预处理；S3：将训练样本输入孪生重建网络进行表示学习；S4：标签消歧，依据S3获取的样本特征表示输入网络的分类器，并根据分类器输出进行标签消歧；S5：计算整体损失并更新模型参数；S6：训练完成后对测试样本进行分类获得测试结果。本发明所述方法在高光谱图像分类任务上的性能由于其他偏标签算法，本方法可以在监督信息有限的情况下有效的训练模型。
-
Patent Agency Ranking
公开(公告)号：CN105912790A
公开(公告)日：2016-08-31
申请号：CN201610234580.X
申请日：2016-04-15
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度回归模型的遥感水质监测方法，对待处理遥感图像预处理，得到选定水体的遥感数据；对监测水体区域采样点进行采样，得到采样点的实际水质参数和对应的遥感数据；将所有采样点的实际水质参数和遥感数据作为训练样本，利用多层自动编码机逐层进行训练，得到每层自动编码机的输出，直至最后一层自动编码机训练完毕，得到多层自动编码机的输出；最后将该多层自动编码机的输出利用支持向量机回归算法反演水质参数，得到水质回归模型；利用水质回归模型对待处理遥感图像进行反演，得到待处理遥感图像中水体需要监测项目的浓度值。本方法对各种水体适应性好、监测精度高、适合长期连续监测。
-
公开(公告)号：CN105738109A
公开(公告)日：2016-07-06
申请号：CN201610096063.0
申请日：2016-02-22
Applicant: 重庆大学
IPC: G01M13/04
Abstract: 本发明公开了一种基于稀疏表示与集成学习的轴承故障分类诊断方法，通过加速度传感器采集每种工况下滚动轴承在不同转速工作的振动加速度信号作为训练样本；选取m个训练样本构成m组训练数据，建立弱分类器—图正则化稀疏表示模型；对图正则化稀疏表示进行T次迭代运算；弱分类器得到分类函数序列，然后对每个分类函数分别赋予一个权重，最终强分类函数F由弱分类函数通过加权得到；通过加速度传感器采集待测滚动轴承在转动工作时的振动加速度信号数据作为测试样本；将测试样本作为强分类函数的输入量带入强分类函数进行运算，即可得到待测滚动轴承的故障分类结果。本方法能够提高滚动轴承故障诊断的准确性和有效性。
-
公开(公告)号：CN104655425A
公开(公告)日：2015-05-27
申请号：CN201510099984.8
申请日：2015-03-06
Applicant: 重庆大学
Abstract: 本发明提供了一种基于稀疏表示和大间隔分布学习的轴承故障分类诊断方法，该方法克服了现有单通道机械复合故障诊断方法中信号分解不完备、重构信号难以较好保持观测信号特征等不足，通过完备总体经验模态分解法实现信号从一维到高维的转化，保证了分解的完备性，抑制了模态混叠现象；同时，在盲源信号的特征提取处理过程中，引入了基于稀疏表示的维数约简方法，通过稀疏表示对数据进行稀疏重构，从全局数据中提取出数据特征信息，使得重构信号能够更好的保持了观测信号数据特征；并且，在对待测轴承机型故障类型分类处理过程中，引入了大间隔分布学习分类方法，借助大间隔分布学习分类方法的泛化能力，能够提高轴承故障诊断的准确性和有效性。
-
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
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。
-
公开(公告)号：CN117974909A
公开(公告)日：2024-05-03
申请号：CN202410241126.1
申请日：2024-03-04
Applicant: 重庆大学
IPC: G06T17/00 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种双阶段多尺度的高光谱快照压缩成像图像重建方法，属于深度学习技术领域。该方法包括以下步骤：S1：获取目标场景二维压缩影像；S2：对作为训练集的高光谱图像进行预处理，获得训练样本数据；S3：将样本输入双阶段多尺度图像重建网络进行训练；S4：训练完成后对测试样本进行图像重建获得结果。本发明所述方法的性能优于其他的高光谱快照压缩成像的图像重建方法，本方法可以更精细地恢复图像的细节，并且在避免伪影方面比其他方法具有优势。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.02 seconds)
