一种基于多任务优化网络的遥感影像噪声样本学习方法
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AITNT公众号
AITNT APP
AITNT交流群
搜索
首页
AI资讯
AI技术研报
AI监管政策
AI产品测评
AI商业项目
AI产品热榜
AI专利库
寻求报道
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