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 > 西安电子科技大学雷杰获国家专利权

西安电子科技大学雷杰获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利基于图卷积神经网络的高光谱目标检测方法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:CN116310723B

龙图腾网通过国家知识产权局官网在2025-07-01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:202310269773.9,技术领域涉及:G06V10/82;该发明授权基于图卷积神经网络的高光谱目标检测方法是由雷杰;王澳;钟佳平;谢卫莹;李云松设计研发完成,并于2023-03-20向国家知识产权局提交的专利申请。

基于图卷积神经网络的高光谱目标检测方法在说明书摘要公布了:本发明提出了一种基于图卷积神经网络的高光谱图像目标检测方法,主要解决现有技术中存在的检测精度较低的技术问题,包括如下步骤:获取训练样本集和测试样本集;构建图卷积神经网络H;对图卷积神经网络H进行迭代训练;获取高光谱目标检测结果。本发明能够减少高光谱图像中冗余信息,充分利用高光谱图像的空间信息,区分高光谱图像中的目标和复杂的背景,提高了目标点的检测精度,可用于社会安全、食品安全等领域。

本发明授权基于图卷积神经网络的高光谱目标检测方法在权利要求书中公布了:1.一种基于图卷积神经网络的高光谱目标检测方法,其特征在于,包括如下步骤: 1获取训练样本集和测试样本集: 1a获取包含M×N个光谱向量且每个光谱向量包含L个波段的维度为M×N×L的高光谱图像I、每个光谱向量对应的真实标签,以及与高光谱图像I包含的待检测目标光谱向量相似的真实光谱向量d,并利用真实光谱向量d对高光谱图像I进行预处理,得到包含M×N个光谱向量的维度为M×N×L的光谱向量矩阵X以及维度为M×N的伪标签矩阵yl,其中,M≥100,N≥100,L≥200; 1b将从二维矩阵X中随机选取的C个光谱向量及yl中每个光谱向量对应的伪标签构成训练样本集,将二维矩阵X中M×N个光谱向量及其对应的真实标签构成测试样本集,100≤C<M×N; 2构建图卷积神经网络H: 构建包括依次连接的图卷积层、特征提取子网络W和判决器的图卷积神经网络H;其中,特征提取子网络W包括多个顺次连接的复合层和一个激活层,复合层包括顺次连接的特征映射层和归一化层; 3对图卷积神经网络H进行迭代训练: 3a初始化迭代次数为t,最大迭代次数为T,T≥200,当前图卷积神经网络Ht的权值为ωt,并令t=1; 3b将训练样本集作为图卷积神经网络H的输入,图卷积层对每个训练样本进行图嵌入表示,得到维度为C×L的包含每个样本特征的特征矩阵G;特征提取子网络W对特征矩阵G中每个样本特征进行特征映射,得到包含每个训练样本检测概率的检测概率矩阵Y,判决器对矩阵Y中的每个检测概率进行判决,得到C个检测结果; 3c采用交叉熵损失函数,通过检测概率矩阵Y中每个训练样本对应的检测概率及伪标签矩阵yl中每个训练样本对应的伪标签计算Wt的损失值Losst,并通过损失值Losst对特征提取子网络Wt的权值ωt进行更新,得到本次迭代后的图卷积神经网络Ht; 3d判断t=T是否成立,若是,得到训练好的图卷积神经网络H*,否则,令t=t+1,Ht=H,并执行步骤3b; 4获取高光谱目标检测结果: 4a将测试样本集作为训练好的图卷积神经网络H*的输入进行前向传播,得到M×N个检测结果; 4b将每个检测结果以其所对应的光谱向量在待检测高光谱图像I中所在的行为横坐标、以所在列为纵坐标,得到维度为M×N的目标检测的预测图Yout。

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西安电子科技大学,其通讯地址为:710071 陕西省西安市雁塔区太白南路2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。