-
公开(公告)号：CN114758203B
公开(公告)日：2023-01-10
申请号：CN202210345219.X
申请日：2022-03-31
摘要： 本申请提供了一种用于高光谱图像分类的残差密集视觉转换方法、系统、计算机可读存储介质和电子设备。该方法通过残差密集视觉转换网络执行，残差密集视觉转换网络包括：跨尺度自注意投影模块、局部残差转换模块和全局残差连接模块；通过跨尺度自注意投影模块的多尺度卷积层，对高光谱图像进行局部空间的光谱信息提取，得到跨尺度自注意力特征；通过多个局部残差转换模块对高光谱图像局部空间的光谱信息进行多尺度投影，并对多尺度投影的结果沿光谱通道进行编码，得到多个多尺度投影特征；通过全局残差连接模块对多个多尺度投影特征进行分层特征融合，并将跨尺度自注意力特征与分层特征融合后的输出特征进行叠加，得到高光谱图像的残差融合特征。
-
公开(公告)号：CN114758203A
公开(公告)日：2022-07-15
申请号：CN202210345219.X
申请日：2022-03-31
申请人： 长江三峡技术经济发展有限公司 , 江苏天汇空间信息研究院有限公司 , 中科空间信息(廊坊)研究院
摘要： 本申请提供了一种用于高光谱图像分类的残差密集视觉转换方法、系统、计算机可读存储介质和电子设备。该方法通过残差密集视觉转换网络执行，残差密集视觉转换网络包括：跨尺度自注意投影模块、局部残差转换模块和全局残差连接模块；通过跨尺度自注意投影模块的多尺度卷积层，对高光谱图像进行局部空间的光谱信息提取，得到跨尺度自注意力特征；通过多个局部残差转换模块对高光谱图像局部空间的光谱信息进行多尺度投影，并对多尺度投影的结果沿光谱通道进行编码，得到多个多尺度投影特征；通过全局残差连接模块对多个多尺度投影特征进行分层特征融合，并将跨尺度自注意力特征与分层特征融合后的输出特征进行叠加，得到高光谱图像的残差融合特征。
-
公开(公告)号：CN116704328B
公开(公告)日：2024-07-09
申请号：CN202310449774.1
申请日：2023-04-24
申请人： 中国科学院空天信息创新研究院 , 中国气象局地球系统数值预报中心 , 长江三峡技术经济发展有限公司
IPC分类号： G06V20/10 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本申请提供一种地物分类方法、装置、电子设备及存储介质，涉及人工智能技术领域。所述方法包括将高光谱遥感图像输入到目标分类模型，得到目标分类模型输出的地物分类结果；其中，目标分类模型包括：交互模块，用于执行以下步骤：对初始全局特征进行上采样，得到第一上采样特征，并基于第一上采样特征和初始局部特征得到目标局部特征；对初始局部特征进行下采样，得到第一下采样特征，并基于第一下采样特征和初始全局特征得到目标全局特征。本申请实施例提供的地物分类方法、装置、电子设备及存储介质，可以提高高光谱遥感图像的信息表达能力，从而提高基于高光谱遥感图像进行地物分类的精度。
-
公开(公告)号：CN114861865B
公开(公告)日：2023-07-21
申请号：CN202210228499.6
申请日：2022-03-10
申请人： 长江三峡技术经济发展有限公司 , 中国科学院空天信息创新研究院
IPC分类号： G06N3/0464 , G06N20/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/82
摘要： 本申请提供了一种高光谱图像分类模型的自监督学习方法、系统、计算机可读存储介质和电子设备。该方法包括：对未标记的第一样本图像进行处理，获取预训练图像；其中，第一样本图像为高光谱图像；根据预训练图像对预先建立的基网络进行自监督学习；在自监督学习完成的基网络上添加自定义网络，构建高光谱图像分类模型；其中，自定义网络的全连接层用于对高光谱图像进行分类；根据第二样本图像，对高光谱图像分类模型进行微调；第二样本图像通过对第一样本图像进行标注得到。籍此，在基网络的训练过程中，不再需要对第一样本图像进行人工标注，有效解决了深度学习在高光谱图像分类中应用时手动标记数据不足的问题，提高了高光谱图像分类的精度。
-
公开(公告)号：CN116704328A
公开(公告)日：2023-09-05
申请号：CN202310449774.1
申请日：2023-04-24
申请人： 中国科学院空天信息创新研究院 , 中国气象局地球系统数值预报中心 , 长江三峡技术经济发展有限公司
IPC分类号： G06V20/10 , G06V10/764 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
摘要： 本申请提供一种地物分类方法、装置、电子设备及存储介质，涉及人工智能技术领域。所述方法包括将高光谱遥感图像输入到目标分类模型，得到目标分类模型输出的地物分类结果；其中，目标分类模型包括：交互模块，用于执行以下步骤：对初始全局特征进行上采样，得到第一上采样特征，并基于第一上采样特征和初始局部特征得到目标局部特征；对初始局部特征进行下采样，得到第一下采样特征，并基于第一下采样特征和初始全局特征得到目标全局特征。本申请实施例提供的地物分类方法、装置、电子设备及存储介质，可以提高高光谱遥感图像的信息表达能力，从而提高基于高光谱遥感图像进行地物分类的精度。
-
公开(公告)号：CN114758201B
公开(公告)日：2023-06-23
申请号：CN202210303585.9
申请日：2022-03-24
申请人： 长江三峡技术经济发展有限公司 , 中国科学院空天信息创新研究院
IPC分类号： G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0464
摘要： 本申请提供了一种高光谱图像分类的视觉转换方法和系统。所述方法通过高光谱图像转换分类网络执行，所述高光谱图像转换分类网络包括：光谱自适应3D卷积投影模块和卷积置换器；所述方法包括：通过所述光谱自适应3D卷积投影模块对输入图像的光谱特征和空间特征进行融合，得到所述输入图像的融合特征；由所述卷积置换器通过深度卷积运算将所述输入图像的融合特征分别沿空间维度进行高度通道、宽度通道操作，沿光谱维度进行光谱通道操作，并对沿所述高度通道、所述宽度通道、所述光谱通道操作后的输出特征进行融合。籍此，有效解决了现有技术中无法捕获细微的光谱差异的问题难题，将局部空间信息从浅层传递到深层,提升高光谱图像分类的精确性。
-
公开(公告)号：CN114758201A
公开(公告)日：2022-07-15
申请号：CN202210303585.9
申请日：2022-03-24
申请人： 长江三峡技术经济发展有限公司
摘要： 本申请提供了一种高光谱图像分类的视觉转换方法和系统。所述方法通过高光谱图像转换分类网络执行，所述高光谱图像转换分类网络包括：光谱自适应3D卷积投影模块和卷积置换器；所述方法包括：通过所述光谱自适应3D卷积投影模块对输入图像的光谱特征和空间特征进行融合，得到所述输入图像的融合特征；由所述卷积置换器通过深度卷积运算将所述输入图像的融合特征分别沿空间维度进行高度通道、宽度通道操作，沿光谱维度进行光谱通道操作，并对沿所述高度通道、所述宽度通道、所述光谱通道操作后的输出特征进行融合。籍此，有效解决了现有技术中无法捕获细微的光谱差异的问题难题，将局部空间信息从浅层传递到深层,提升高光谱图像分类的精确性。
-
公开(公告)号：CN114861865A
公开(公告)日：2022-08-05
申请号：CN202210228499.6
申请日：2022-03-10
申请人： 长江三峡技术经济发展有限公司
IPC分类号： G06N3/04 , G06N20/00 , G06T7/11 , G06V10/774 , G06V10/764 , G06V10/82
摘要： 本申请提供了一种高光谱图像分类模型的自监督学习方法、系统、计算机可读存储介质和电子设备。该方法包括：对未标记的第一样本图像进行处理，获取预训练图像；其中，第一样本图像为高光谱图像；根据预训练图像对预先建立的基网络进行自监督学习；在自监督学习完成的基网络上添加自定义网络，构建高光谱图像分类模型；其中，自定义网络的全连接层用于对高光谱图像进行分类；根据第二样本图像，对高光谱图像分类模型进行微调；第二样本图像通过对第一样本图像进行标注得到。籍此，在基网络的训练过程中，不再需要对第一样本图像进行人工标注，有效解决了深度学习在高光谱图像分类中应用时手动标记数据不足的问题，提高了高光谱图像分类的精度。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.097 秒)
