-
公开(公告)号：CN110413855A
公开(公告)日：2019-11-05
申请号：CN201910626042.9
申请日：2019-07-11
Applicant: 南通大学
IPC: G06F16/906 , G06F16/35 , G06F16/9537
Abstract: 本发明公开了基于出租车下客点的区域出入口动态提取方法，属于智能交通技术领域。本发明将POI数据和出租车下客点数据提取后进行预处理，然后POI数据根据位置信息和名称信息进行聚类分析，确定各个感兴趣区域，设定各个感兴趣区域的周边道路缓冲区，获取对应缓冲区的出租车下客点信息，根据该信息进行聚类，确定每个感兴趣区域的出租车下客点聚类区域，然后根据感兴趣区域的边界、感兴趣区域的区域中心和感兴趣区域对应的各个出租车下客点聚类中心确定感兴趣区域的出入口。本发明通过与出入口关联的下客点热度，提取实现常见感兴趣区域的出入口，实现了常见感兴趣区域的出入口的动态监测，可以及时发现新的出入口以及现在出入口的分布规律。
-
公开(公告)号：CN115115647B
公开(公告)日：2024-09-27
申请号：CN202210691801.1
申请日：2022-06-17
Applicant: 南通大学
IPC: G06T7/10 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明公开一种融合注意力机制和残差ASPP的遥感影像语义分割方法，包括以下方法；步骤S1:构建融合注意力机制和残差ASPP的神经网络；步骤S2:训练步骤S1中构建的融合注意力机制和残差ASPP的神经网络；步骤S3:利用步骤S2中训练好的模型，进行遥感影像语义分割，具体的，通过将获取的遥感图像输入到步骤S2训练好的融合注意力机制和残差ASPP的语义分割模型中进行遥感图像语义分割。本发明采用注意力机制与残差结构对现有模型进行改进，提出了一种融合注意力机制和残差ASPP的遥感影像语义分割算法模型，其采用训练集和验证集对该模型进行训练、验证，高效、准确地分割遥感影像的地物类别，实现注意力机制与残差结构在ASPP模型之中的嵌入式使用，提高语义分割的准确率。
-
公开(公告)号：CN114596500B
公开(公告)日：2024-10-15
申请号：CN202210030581.8
申请日：2022-01-12
Applicant: 南通大学
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06T5/80 , G06T7/13 , G06T7/136 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种基于通道‑空间注意力和DeeplabV3plus的遥感影像语义分割方法，其步骤具体为将遥感影像地物划分为建筑、水体、植被、裸地、道路五个类别标签并对每个类别进行掩码标注；利用Pyhton‑OpenCV中的Canny边缘检测算子强化遥感影像图片中地物类别的纹理特征；对DeeplabV3plus模型中的主干网络输出的深层特征加入通道注意力和空间注意力模块；将图像强化过的图片输入改进的DeeplabV3plus模型进行训练；输出遥感影像地物类别所对应的语义信息。该方法通过边缘检测强化地物纹理特征，通道‑空间注意力强化深层特征实现了遥感影像地物类别较为精细的语义分割，提高了原网络模型语义分割的准确率和平均交并比。
-
公开(公告)号：CN114596500A
公开(公告)日：2022-06-07
申请号：CN202210030581.8
申请日：2022-01-12
Applicant: 南通大学
IPC: G06V20/13 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06T5/00 , G06T7/13 , G06T7/136 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于通道‑空间注意力和DeeplabV3plus的遥感影像语义分割方法，其步骤具体为将遥感影像地物划分为建筑、水体、植被、裸地、道路五个类别标签并对每个类别进行掩码标注；利用Pyhton‑OpenCV中的Canny边缘检测算子强化遥感影像图片中地物类别的纹理特征；对DeeplabV3plus模型中的主干网络输出的深层特征加入通道注意力和空间注意力模块；将图像强化过的图片输入改进的DeeplabV3plus模型进行训练；输出遥感影像地物类别所对应的语义信息。该方法通过边缘检测强化地物纹理特征，通道‑空间注意力强化深层特征实现了遥感影像地物类别较为精细的语义分割，提高了原网络模型语义分割的准确率和平均交并比。
-
Patent Agency Ranking
公开(公告)号：CN111738600A
公开(公告)日：2020-10-02
申请号：CN202010581581.8
申请日：2020-06-23
Applicant: 南通大学
Abstract: 本发明公开了一种基于高精度PM2.5反演结果的城市道路空气质量评价方法，基于多源数据并结合神经网络方法反演出整个研究区域的PM2.5浓度；以小时为单位，通过将PM2.5反演结果与研究区道路图层进行叠置分析，提取出每条道路上的实时PM2.5分布数据；通过和相关空气质量标准比对，可对每条道路的空气质量状况进行定性和定量的评价，从而可为居民出行的道路选择提供空气质量状况的参考。本发明反演的空气污染物结果不仅考虑了汽车尾气的污染，其他因素的影响也考虑在其中；相较于基于光学传感器的检测方法，本发明成本低，精度高。
-
公开(公告)号：CN115115647A
公开(公告)日：2022-09-27
申请号：CN202210691801.1
申请日：2022-06-17
Applicant: 南通大学
Abstract: 本发明公开一种融合注意力机制和残差ASPP的遥感影像语义分割方法，包括以下方法；步骤S1:构建融合注意力机制和残差ASPP的神经网络；步骤S2:训练步骤S1中构建的融合注意力机制和残差ASPP的神经网络；步骤S3:利用步骤S2中训练好的模型，进行遥感影像语义分割，具体的，通过将获取的遥感图像输入到步骤S2训练好的融合注意力机制和残差ASPP的语义分割模型中进行遥感图像语义分割。本发明采用注意力机制与残差结构对现有模型进行改进，提出了一种融合注意力机制和残差ASPP的遥感影像语义分割算法模型，其采用训练集和验证集对该模型进行训练、验证，高效、准确地分割遥感影像的地物类别，实现注意力机制与残差结构在ASPP模型之中的嵌入式使用，提高语义分割的准确率。
-
公开(公告)号：CN110413855B
公开(公告)日：2023-02-24
申请号：CN201910626042.9
申请日：2019-07-11
Applicant: 南通大学
IPC: G06F16/906 , G06F16/35 , G06F16/9537
Abstract: 本发明公开了基于出租车下客点的区域出入口动态提取方法，属于智能交通技术领域。本发明将POI数据和出租车下客点数据提取后进行预处理，然后POI数据根据位置信息和名称信息进行聚类分析，确定各个感兴趣区域，设定各个感兴趣区域的周边道路缓冲区，获取对应缓冲区的出租车下客点信息，根据该信息进行聚类，确定每个感兴趣区域的出租车下客点聚类区域，然后根据感兴趣区域的边界、感兴趣区域的区域中心和感兴趣区域对应的各个出租车下客点聚类中心确定感兴趣区域的出入口。本发明通过与出入口关联的下客点热度，提取实现常见感兴趣区域的出入口，实现了常见感兴趣区域的出入口的动态监测，可以及时发现新的出入口以及现在出入口的分布规律。
-
公开(公告)号：CN114414731A
公开(公告)日：2022-04-29
申请号：CN202111489990.6
申请日：2021-12-08
Applicant: 南通大学
IPC: G01N33/00
Abstract: 本发明公开了一种基于移动端定位服务的空气质量采集设备及采集方法，空气质量数据连续采集设备包括空气质量监测模块、PCB板、单片机、蓝牙数据模块、信息存储模块、电芯组成的采集终端以及云服务平台。采集方法包括以下步骤：设定采样间隔阈值，设备终端结合云服务平台提供的位置信息，判断时间及距离是否与阈值一致，若一致则获取当前点空气污染物数据，否则继续检索。本发明提供一种获取连续区域空气污染物数据的方法，通过采集区域内细粒度空气污染物数据，更直观地反映目标区域的空气状况。此外，本发明利用移动端提供的位置信息取代定位模块，降低设备生产成本，提高企业的经济效益。
-
公开(公告)号：CN111814597A
公开(公告)日：2020-10-23
申请号：CN202010569585.4
申请日：2020-06-20
Applicant: 南通大学
Abstract: 本发明属于城市规划和城市管理领域，公开了一种耦合多标签分类网络和YOLO的城市功能分区方法。包括：将具有地物类型标签第一训练集分为非典型地物数据集和典型地物数据集，分别对多标签分类网络和YOLO目标检测算法模型进行；将具有功能标签的第二训练集的遥感影像数据分别输入训练后的上述两个模型，输出遥感影像的非典型地物类型置信度、典型地物类型置信度、典型地物尺寸和典型地物空间位置信息，并计算典型地物面积占比率；采用得到的上述属性和功能类型标注训练决策树模型；使用训练好的上述模型对目标城市进行功能分区。该方法通过决策树模型实现了多标签分类网络和YOLO的城市功能的耦合使用，提高城市功能分区的准确率和可解释性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
