-
公开(公告)号：CN113935433B
公开(公告)日：2024-06-14
申请号：CN202111290378.6
申请日：2021-11-02
申请人： 齐齐哈尔大学
IPC分类号： G06V10/764 , G06V10/774 , G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 基于深度光谱空间倒残差网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有高光谱图像数据集中标记样本有限，并实现光谱空间特征的有效提取的问题。过程为：步骤一、获取高光谱图像#imgabs0#步骤二、建立DSSIR模型；步骤三、将训练集输入DSSIR模型对DSSIR模型进行训练，得到DSSIR模型的初始参数，经过验证集验证不断更新参数，直到获得最优参数；步骤四、将测试集输入最优模型得到最终预测结果。本发明用于高光谱图像分类领域。
-
公开(公告)号：CN113935433A
公开(公告)日：2022-01-14
申请号：CN202111290378.6
申请日：2021-11-02
申请人： 齐齐哈尔大学
IPC分类号： G06K9/62 , G06V10/764 , G06V10/774 , G06V20/13 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 基于深度光谱空间倒残差网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有高光谱图像数据集中标记样本有限，并实现光谱空间特征的有效提取的问题。过程为：步骤一、获取高光谱图像步骤二、建立DSSIR模型；步骤三、将训练集输入DSSIR模型对DSSIR模型进行训练，得到DSSIR模型的初始参数，经过验证集验证不断更新参数，直到获得最优参数；步骤四、将测试集输入最优模型得到最终预测结果。本发明用于高光谱图像分类领域。
-
公开(公告)号：CN115527056A
公开(公告)日：2022-12-27
申请号：CN202210386112.X
申请日：2022-04-13
申请人： 齐齐哈尔大学
IPC分类号： G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 基于双混合卷积生成对抗网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有GAN仍然面临着的模式崩溃问题，以及用于高光谱分类的GAN模型都是利用反卷积来生成假样本，会造成棋盘效应，影响分类性能的问题。过程为：一、获取高光谱图像、随机噪声以及随机噪声对应的标签；对获取的高光谱图像进行处理，获得训练集和测试集；二、建立DHCGAN网络；所述DHCGAN网络为双混合卷积生成对抗网络；DHCGAN网络包括：生成器和判别器；三、基于一对DHCGAN网络进行训练，得到训练好的DHCGAN网络；四、将测试集输入训练好的DHCGAN网络中的判别器得到最终分类预测结果。本发明用于高光谱图像分类领域。
-
公开(公告)号：CN113361485B
公开(公告)日：2022-05-20
申请号：CN202110774209.3
申请日：2021-07-08
申请人： 齐齐哈尔大学
IPC分类号： G06V20/10 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 基于光谱空间注意力融合和可变形卷积残差网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有高光谱图像分类由于高光谱图像包含丰富的信息，故光谱及空间特征提取不充分，以及小样本下的过拟合，导致对高光谱图像分类准确率低的问题。过程为：一、采集高光谱图像数据集和相对应的标签向量数据集；二、建立基于光谱空间注意力融合和可变形卷积残差网络SSAF‑DCR；三、将x1,x2和Y1,Y2输入到网络SSAF‑DCR中，采用Adam算法进行迭代优化，得到最优网络；四、向最优网络中输入x3进行分类结果预测。本发明用于高光谱图像分类领域。
-
公开(公告)号：CN113361485A
公开(公告)日：2021-09-07
申请号：CN202110774209.3
申请日：2021-07-08
申请人： 齐齐哈尔大学
摘要： 基于光谱空间注意力融合和可变形卷积残差网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有高光谱图像分类由于高光谱图像包含丰富的信息，故光谱及空间特征提取不充分，以及小样本下的过拟合，导致对高光谱图像分类准确率低的问题。过程为：一、采集高光谱图像数据集和相对应的标签向量数据集；二、建立基于光谱空间注意力融合和可变形卷积残差网络SSAF‑DCR；三、将x1,x2和Y1,Y2输入到网络SSAF‑DCR中，采用Adam算法进行迭代优化，得到最优网络；四、向最优网络中输入x3进行分类结果预测。本发明用于高光谱图像分类领域。
-
-
-
-
搜索结果
5 条记录 (耗时 0.045 秒)
