龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：南京理工大学
摘要：本发明公开了一种机载LiDAR和高光谱协同探测的地物分类原型增强网络方法，包括：机载LiDAR和高光谱协同的数据采集；LiDAR数据辅助的高光谱数据校准；分配辅助模态并构建元任务；采用深度残差学习分别进行双模态特征编码；利用同场景辅助LiDAR模态协同基础高光谱模态进行模态间增强原型学习；利用目标场景辅助高光谱模态对增强的原型进行模态内增强原型学习；采用对抗学习减小不同来源、不同模态数据间的分布差异；基于双模态增强原型的少样本分类；使用加权损失函数训练网络。本发明利用辅助模态提供的先验知识，改进复杂场景下的少样本原型表征，设计了模态间和模态内增强原型学习模块以获得更细粒度且更稳定的原型。
主权项：1.一种机载LiDAR和高光谱协同探测的地物分类原型增强网络方法，其特征在于，包括以下步骤：第一步，机载LiDAR和高光谱协同的数据采集；第二步，LiDAR数据辅助的高光谱数据校准；第三步，分配辅助模态并构建元任务；第四步，采用深度残差学习分别进行双模态特征编码；第五步，利用同场景辅助LiDAR模态协同基础高光谱模态进行模态间增强原型学习；第六步，利用目标场景辅助高光谱模态对增强的原型进行模态内增强原型学习；第七步，采用对抗学习减小不同来源、不同模态数据间的分布差异；第八步，基于双模态增强原型的少样本分类；第九步，使用加权损失函数训练网络。
全文数据：
权利要求：
百度查询： 南京理工大学 一种机载LiDAR和高光谱协同探测的地物分类原型增强网络方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号