一种基于Transformer的生成对抗网络方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明针对高光谱图像分类(Hyperspectral Image Classification,HIC)领域,公开了一种基于Transformer的生成对抗网络(Generative Adversarial Network,GAN)方法。该方法将Transformer引入到GAN中,并提出了用于HIC的基于Transformer的带有残差升级模块的生成对抗网络(Transformer with residual upscale GAN,TRUG)。TRUG中包含一个生成器G和一个鉴别器D。在G中,我们提出了残差升级模块(Residual Upscale,RU),RU可以提高生成图像的分辨率。在D中,我们采用规模逐步递减的Transformer Block,并在第一层中使用网格自注意机制,以便于更好地提取图像特征。此外,GAN容易出现训练不稳定的问题,为了解决这个问题,我们改进了归一化算法,增加了相对位置编码。TRUG是第一个应用于HIC的基于Transformer的GAN。
《一种基于Transformer的生成对抗网络方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023104694133,当前法律状态为已下证,由青岛理工大学提出申请,发明人为郝思媛;翟世杰;夏裕凤,申请日期为2023-04-27,公开(公告)日期为2026-04-17,国际专利分类号(IPC)为 G06N 3/0475 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明针对高光谱图像分类(Hyperspectral Image Classification,HIC)领域,公开了一种基于Transformer的生成对抗网络(Generative Adversarial Network,GAN)方法。该方法将Transformer引入到GAN中,并提出了用于HIC的基于Transformer的带有残差升级模块的生成对抗网络(Transformer with residual upscale GAN,TRUG)。TRUG中包含一个生成器G和一个鉴别器D。在G中,我们提出了残差升级模块(Residual Upscale,RU),RU可以提高生成图像的分辨率。在D中,我们采用规模逐步递减的Transformer Block,并在第一层中使用网格自注意机制,以便于更好地提取图像特征。此外,GAN容易出现训练不稳定的问题,为了解决这个问题,我们改进了归一化算法,增加了相对位置编码。TRUG是第一个应用于HIC的基于Transformer的GAN。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
