-
题名基于半监督学习的多标签遥感图像分类方法
- 1
-
-
作者
杨秋勇
杨春
-
机构
华南理工大学计算机科学与工程学院
中国南方电网有限责任公司数字化部
南方电网能源发展研究院大数据中心
-
出处
《沈阳工业大学学报》
北大核心
2025年第3期355-361,共7页
-
基金
国家重点研发计划项目(2018YFB1700202)
南方电网公司信息专题研究项目(000000HY41220007,000000HY41220003)。
-
文摘
【目的】遥感图像作为观测地球的重要工具,被广泛应用于环境监测、资源勘探、灾害预警等多个领域。然而,遥感图像在采集过程中容易受到传感器噪声、大气干扰等因素的影响,导致图像质量下降,细节信息模糊,给后续的图像分析和目标分类带来了巨大挑战。在多标签遥感图像分类任务中,由于图像中往往包含多个类别的目标,且这些目标之间可能存在复杂的关联和依赖关系,传统的监督学习方法在处理这类问题时显得力不从心,分类误差较大。【方法】为有效应对遥感图像噪声影响、准确捕捉图像特征、提高分类精度,提出一种半监督学习的多标签遥感图像分类方法。利用感知损失函数对遥感图像进行预处理,通过查找图像中存在细节丢失和模糊的像素点位置,计算原始图像和缺陷图像的信噪比残差值,确定遥感图像质量下降程度。设计了一种基于残差映射的图像去噪算法,按照残差映射值调整含噪位置的频谱值,通过调节像素的高低频关系提高信噪比,恢复图像中的细节信息。采用半监督学习方法对图像分类器进行更新改进,提高遥感图像的处理效率和分类准确性,以此实现多标签遥感图像的分类。【结果】为了验证方法的有效性,在不同分辨率、不同主成分数情况下进行了图像分类实验,同时,设计了针对不同类型遥感图像的分类实验。测试结果表明,方法在去噪效果和图像细节还原方面表现出色,能够清晰地区分每个区域的色块,恢复了图像中的关键细节信息。在地貌特征提取方面,结果与实际地貌分布的吻合度较高,误差较小,证明了其在遥感图像特征提取方面的优势。在图像分类精度方面,方法在图像分辨率为70像素×80像素、主成分数为12时,分类精度达到0.88,表现出了较高的分类精度。同时,在对不同类型的遥感图像进行分类时,方法的分类精度也保持在0.9以上,最高达到0.98,充分验证了其广泛的适用性和高分类精度。【结论】实验结果表明,方法利用结合感知损失函数、残差映射的图像去噪算法和半监督学习方法,实现了多标签遥感图像分类。不仅提高了遥感图像的处理效率和分类精度,还为遥感图像处理领域提供了新的思路和技术支持,具有较高的理论意义和实际应用价值。
-
关键词
图像去噪
感知损失函数
信噪比
残差映射
半监督学习
图像分类器
多标签遥感图像
特征提取
-
Keywords
image denoising
perceptual loss function
signal to noise ratio
residual mapping
semi-supervised learning
image classifier
multi-label remote sensing image
feature extraction
-
分类号
TP147
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于深度残差反向传播神经网络的钢筋腐蚀检测
被引量：5
- 2
-
-
作者
林旭梅
胡川
朱广辉
陈一戈
苗芳荣
-
机构
青岛理工大学信息与控制工程学院
-
出处
《科学技术与工程》
北大核心
2021年第33期14351-14355,共5页
-
基金
国家重点基础研究发展计划(973计划)(2015CB655100)。
-
文摘
针对小样本数据下浅层神经网络模型拟合能力不足,而加深网络层数出现网络性能退化问题,提出一种双跳跃深度残差反向传播(back propagation,BP)神经网络模型,每个残差块堆叠3个同维度网络层,在网络的一、二层和一、三层之间加入双跳跃连接,增强浅层低非线性度特征信息向深层网络的直接传递和重复利用,且在反向传播过程中避免了梯度消失,提升模型分类准确率。同时引入一阶矩估计梯度指数加权平均因子对Adam算法中影响学习率的二阶矩估计梯度进行调整,优化网络的收敛能力。将改进后的算法模型用于钢筋腐蚀样本数据训练及测试,仿真结果表明,改进后的算法模型具有更好的分类性能。
-
关键词
钢筋腐蚀
腐蚀检测
双跳跃残差模块
残差映射
Adam算法
神经网络
-
Keywords
reinforced concrete
corrosion detection
double jump residual module
residual map
Adam algorithm
neural network
-
分类号
TU528.33
[建筑科学—建筑技术科学]
-
-
题名基于注意力机制和深度恒等映射的人脸识别
被引量：7
- 3
-
-
作者
杨壮
吴斌
廉炜雯
韩兴
-
机构
西南科技大学信息工程学院
特殊环境机器人技术四川省重点实验室
-
出处
《传感器与微系统》
CSCD
2020年第9期150-153,共4页
-
文摘
针对在自然场景下,受到姿态变化、侧脸等因素的干扰,人脸识别难度提升的问题,提出一种改进的残差神经网络,优化原有网络模型结构并且引入加强通道重要特征获取的注意力机制。同时添加深度残差恒等映射模块,不增加过多参数量的情况下,实现了在深度特征空间层将侧脸特征映射为正脸特征的功能,进一步实现人脸识别率。实验结果表明:在常用的LFW,CFP,IJB-A等人脸数据集上,提出的网络优于现有的残差神经网络,提升了非约束条件下的人脸识别效果。
-
关键词
自然场景
残差网络
注意力机制
深度残差恒等映射
深度特征空间
-
Keywords
natural scene
residual network
attention mechanism
deep residual equivariant mapping
deth feature space
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于联合损失和恒等映射的动态人脸识别
被引量：4
- 4
-
-
作者
刘成攀
吴斌
杨壮
-
机构
西南科技大学信息工程学院
特殊环境机器人技术四川省重点实验室
-
出处
《传感器与微系统》
CSCD
北大核心
2021年第9期153-156,共4页
-
文摘
在视频及非约束条件下获取的动态人脸受到姿态、表情和侧脸等复杂干扰因素,使其识别难度增大。针对上述问题,提出一种基于联合损失和恒等映射的动态人脸识别算法。以Resnet34为基础网络,联合SoftMax Loss,中心损失(Center Loss)和Joint Loss扩大人脸类间距;减小人脸类内距,同时在网络中引入深度残差恒等映射模块,进一步减小侧脸的干扰。在LFW,SLFW,YTF,MegaFace等数据集上,所提算法表现出更强的性能,并且在实验平台上能完成实时视频动态人脸识别的任务。
-
关键词
非约束条件
动态人脸
联合损失
深度残差恒等映射模块
-
Keywords
unconstrained condition
dynamic face
joint loss
deep residual constant mapping module
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名星载图像压缩中的无损预测研究
被引量：3
- 5
-
-
作者
魏永旺
罗海波
张承宁
邵楚雯
-
机构
中国科学院沈阳自动化研究所
中国科学院光电信息处理重点实验室
辽宁省图像理解与视觉计算重点实验室
北华大学电气信息工程学院
东南大学电气工程学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2012年第6期2328-2333,共6页
-
基金
中国科学院沈阳自动化所先进制造基地支持基金项目(07F4090401)
-
文摘
针对星载遥感图像自相关系数较大时MED预测比较理想,反之均值Mean预测更有优势的问题,融合该两种方法的优点提出了改进的MED预测,使之对多种类别的图像特别是遥感图像能够取得较好的预测效果。此外,从预测相关性、运算复杂度、是否带有自动误码纠偏以及采用Rice算法获得的压缩比等角度进行了两种预测残差映射器的研究,确定了选用带自动误码纠偏的差值映射和可调整的预测方式。当信源干扰多大时选取前像素预测,反之采用MED或改进的MED预测,从而兼顾了压缩比和抗误码两方面,且硬件可实现。
-
关键词
星载遥感图像
无损压缩
预测
残差映射
Rice算法
-
Keywords
space-borne remote-sensing images
lossless compression
prediction
error mapping
Rice algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
