Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国地质大学(武汉)李书悦获国家专利权

中国地质大学(武汉)李书悦获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国地质大学(武汉)申请的专利一种基于多分类器的小样本高光谱图像语义分割方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115908924B

龙图腾网通过国家知识产权局官网在2025-08-05发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211475095.3,技术领域涉及:G06V10/764;该发明授权一种基于多分类器的小样本高光谱图像语义分割方法及系统是由李书悦;马丽设计研发完成,并于2022-11-23向国家知识产权局提交的专利申请。

一种基于多分类器的小样本高光谱图像语义分割方法及系统在说明书摘要公布了:本发明公开的一种基于多分类器的小样本高光谱遥感图像语义分割方法及系统,包其基础特征提取模块,多分类器模块以及损失函数模块,基础特征提取模块能够有效的利用高光谱图像的类别通道信息,建立带标记点与上下文之间的关系特征,增强整体类别对特征的表达能力,相对有效的区分部分特征所属的类别,提高小样本高光谱图像语义分割的整体精度;多分类器通过最大化最小化对抗损失保证分类器多样性以及对未标记数据的预测一致性,提高未标记数据的分类正确率,进而提高小样本高光谱图像语义分割的整体精度。

本发明授权一种基于多分类器的小样本高光谱图像语义分割方法及系统在权利要求书中公布了:1.一种基于多分类器的小样本高光谱遥感图像语义分割方法,其特征在于: S1构建小样本高光谱图像语义分割网络,该网络包括基础特征提取模块、多分类器模块以及损失函数; 所述基础特征提取模块,用于对输入的高光谱图像进行基础特征提取,输出得到图像的基础特征,基础特征提取模块包括四层,每一层都由一个3×3卷积层,一个BN层和一个ReLU层组成,仅在第二层后加入一层最大池化层用于增加网络的感受野大小,同时避免了过度下采样; 所述多分类器模块,包括两个分类器,每个分类器都由1×1的卷积层构成;在基础特征提取模块后,特征输入分类器前通过双线性插值进行上采样操作使得输出特征大小与输入数据块大小相同; 所述损失函数包含交叉熵损失函数,对抗损失函数以及流形约束正则化损失函数; 其中,对抗损失函数定义为: 其中,两个分类器分别记为G c1和G c2,基础特征模块G f,p1和p2分别表示G c1和G c2的预测结果,p 1 c和p 2 c表示样本属于第C类的概率,S表示softmax层; 流形约束正则化约束函数表示为: 其中,W表示图邻接矩阵,L=D-W表示图拉普拉斯矩阵,D表示对角度矩阵,Xs为输入图像块中选中的样本,N表示选中的样本数,Tr表示取秩,邻接矩阵W定义为: 其中,σ为热核参数,对于每个像素xi,利用欧式距离选择近邻xj,W ij表示它们之间的相似性,最小化流形约束正则化损失函数,约束pi和pj也是相似的; 总体损失函数表示为: 其中,L ce是交叉熵损失函数,L mr是流形约束正则化,L adv是对抗损失函数,X S表示从带标记样本和无标记样本中选取的随机样本点,少量带标记的输入数据X L,数据的标记信息Y L,大量未标记样本X U,α用于均衡流形约束损失函数,β用于均衡对抗损失函数; S2将无人机或者卫星拍摄到的小样本高光谱遥感图像作为训练集,对语义分割网络迭代训练,得到语义分割模型; S3预先设定对应的类别数,将待检测的高光谱遥感图像输入到训练好的语义分割模型中,得到待分类高光谱遥感图像中每个像素点所属的类别。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国地质大学(武汉),其通讯地址为:430074 湖北省武汉市洪山区鲁磨路388号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。