基于细粒度和增量学习的可见光图像中航天器分类方法

被引：0

专利类型：

发明

申请号：

CN202311441793.6

申请日：

2023-11-01

公开(公告)号：

CN117576442A

公开(公告)日：

2024-02-20

发明(设计)人：

刘向丽王晓哲王志国李赞谭薇高瑞雪

申请人：

西安电子科技大学

申请人地址：

710071 陕西省西安市雁塔区太白南路2号

IPC主分类号：

G06V10/764

IPC分类号：

G06V10/74 G06V10/774 G06V10/82 G06N3/096

代理机构：

陕西电子工业专利中心 61205

代理人：

田文英;黎汉华

法律状态：

公开

国省代码：

陕西省西安市

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2024-02-20	公开	公开
2024-03-08	实质审查的生效	实质审查的生效IPC(主分类):G06V 10/764申请日:20231101

共 50 条

[1]

基于transformer的细粒度图像分类方法 [P].

李鹏华 ;

涂玉珊 ;

侯杰 ;

项盛 ;

任伟 ;

万宏 .

中国专利 :CN118135290A ,2024-06-04

[2]

一种航天器可见光图像分类方法 [P].

杨宁 ;

王帅 ;

李晖晖 ;

郭雷 .

中国专利 :CN106446965A ,2017-02-22

[3]

基于判别学习的细粒度图像分类方法 [P].

王智慧 ;

王世杰 ;

李豪杰 ;

唐涛 ;

王宁 .

中国专利 :CN110309858B ,2019-10-08

[4]

基于自适应区域感知和对比学习的细粒度图像分类方法 [P].

张萍 ;

杨文勇 ;

高攀 ;

任帅 ;

侯乐桓 ;

费春 .

中国专利 :CN121095646A ,2025-12-09

[5]

一种基于细粒度特征编码的图像分类方法及系统 [P].

芮挺 ;

杜依南 ;

唐建 ;

王东 ;

李宏伟 ;

杨成松 ;

刘恂 ;

郑南 ;

史建军 .

中国专利 :CN117496257A ,2024-02-02

[6]

基于多模态表征的细粒度图像分类方法 [P].

漆桂林 ;

徐华鹏 ;

徐康 .

中国专利 :CN109002834A ,2018-12-14

[7]

基于自学习的高光谱图像和可见光图像融合分类方法 [P].

张钧萍 ;

陆小辰 ;

李彤 .

中国专利 :CN105046673B ,2015-11-11

[8]

基于半监督学习和细粒度特征学习的分类优化方法 [P].

赖丹宇 ;

陈龙 .

中国专利 :CN109657697B ,2019-04-19

[9]

基于深度学习的红外图像和可见光图像融合方法及系统 [P].

李声师 ;

张永滋 ;

肖秀春 .

中国专利 :CN120107089B ,2025-07-18

[10]

基于深度学习的红外图像和可见光图像融合方法及系统 [P].

李声师 ;

张永滋 ;

肖秀春 .

中国专利 :CN120107089A ,2025-06-06

← 1 2 3 4 5 →