一种基于多任务优化网络的遥感影像噪声样本学习方法

AITNT
正文
推荐专利
一种基于多任务优化网络的遥感影像噪声样本学习方法
申请号:CN202411851290
申请日期:2024-12-16
公开号:CN119785144A
公开日期:2025-04-08
类型:发明专利
摘要
本发明公开了一种基于多任务优化网络的遥感影像噪声样本学习方法,具体涉及图像处理技术领域,其包括以下步骤:无监督高层语义表征学习;困难样本保留地物分类;表征学习与地物分类多任务动态优化。本发明可以减少噪声样本对分类模型带来的不良影响,提升模型在噪声样本条件下的地物识别准确度和鲁棒性;实现在模型训练过程中对多任务的动态调整,提升模型在不同数据上的泛化能力;解决数据过清洁的问题。
技术关键词
噪声样本 多任务损失函数 学习方法 地物识别 联合特征提取 像素 高层语义信息 无监督 语义先验 特征提取网络 噪声标签 图像处理技术 影像 动态 嵌入特征
系统为您推荐了相关专利信息
1
一种面向城市无人机防御的处置策略自动生成系统
装备 自动生成系统 人工神经网络 无人机防御 策略
2
一种高空大型钢结构连廊的安全风险监测方法
风险监测方法 大型钢结构 连廊结构 变形特征 指数
3
一种在多视角视频中进行单目标追踪的方法及装置
融合特征 人脸特征向量 视角 人脸位置 全局特征融合
4
基于虚拟储能的多微网多元调度方法、系统、设备及介质
虚拟储能 储氢装置 深度确定性策略梯度强化学习方法 微电网 质子交换膜燃料电池
5
基于LLaVA大模型跨模态特征融合的农产品推荐方法
推荐方法 计算机推荐算法技术 注意力机制 农产品信息 个性化排名方法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号