← 返回列表
基于扩散模型融合主动学习的深空探测器少样本地质图像类别识别方法
申请人信息
- 申请人:昆明理工大学
- 申请人地址:650093 云南省昆明市五华区学府路253号
- 发明人: 昆明理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于扩散模型融合主动学习的深空探测器少样本地质图像类别识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311693665.0 |
| 申请日 | 2023/12/11 |
| 公告号 | CN117437491A |
| 公开日 | 2024/1/23 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 昆明理工大学 |
| 发明人 | 王彬; 黄鹏程; 冯哲; 孔祥晨 |
| 地址 | 云南省昆明市一二一大街文昌路68号 |
摘要文本
昆明理工大学获取“一种透气窗帘布”专利技术，本发明公开了一种基于扩散模型融合主动学习的深空探测器少样本地质图像类别识别方法，包括：获取原始深空探测器地质图像；构建深空探测器少样本地质图像条件生成扩散模型，用于将第一深空探测器少样本类地质图像生成低分辨率地质图像；依据生成扩散模型所生成的低分辨率地质图像，获得高分辨率扩充地质图像数据集；依据高分辨率扩充地质图像数据集训练主动学习深空探测器少样本地质类型识别模型，获得训练好的主动学习深空探测器少样本地质类型识别模型；依据训练好的主动学习深空探测器少样本地质类型识别模型对待测地质图像/测试集进行类别识别。本发明可有效解决地外天体表面少样本地质数据类间不平衡问题，同时可从一定程度上弥补地外天体表面图像样本数据较少的问题。 详见官网：
专利主权项内容
1.一种基于扩散模型融合主动学习的深空探测器少样本地质图像类别识别方法，其特征在于，包括：获取原始深空探测器地质图像；其中，原始深空探测器地质图像包括第一深空探测器少样本地质图像、第一深空探测器多样本地质图像；构建深空探测器少样本地质图像条件生成扩散模型，用于将第一深空探测器少样本类地质图像生成低分辨率地质图像；依据生成扩散模型所生成的低分辨率地质图像，获得高分辨率扩充地质图像数据集；依据高分辨率扩充地质图像数据集训练主动学习深空探测器少样本地质类型识别模型，获得训练好的主动学习深空探测器少样本地质类型识别模型；依据训练好的主动学习深空探测器少样本地质类型识别模型对待测地质图像/测试集进行类别识别。 详见官网：