-
公开(公告)号：CN114037899B
公开(公告)日：2024-09-06
申请号：CN202111453939.X
申请日：2021-12-01
Applicant: 福州大学
IPC: G06V20/10 , G06V10/764 , G06V10/77
Abstract: 本发明涉及一种基于VIT的面向高光谱遥感图像分类径向累加位置编码系统，包括：数据提取预处理模块，用于从数据集中截取数据，通过PCA主成分分析预处理，并将处理后的数据输入到模型框架中；位置编码模块，将输入的数据从中心点往四周叠加，使每个点的数据附带位置信息；数据拆分模块，将数据划分成多个块状区域，并分别拉伸成一维向量，输入到ViT模型中；主体模型模块，包含一个ViT模型，用于处理输入的数据，输出分类结果。本发明使输入到ViT的数据得以附加更加有效的空间信息，从而提升像素级分类精度。
-
公开(公告)号：CN116363118A
公开(公告)日：2023-06-30
申请号：CN202310414902.9
申请日：2023-04-18
Applicant: 福州大学
IPC: G06T7/00 , G06T7/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06T5/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了基于伪标签与深度特征交叉引导的睑板腺体图像分割方法，包括以下步骤：步骤S1：数据集处理；即对睑板腺体图像数据集进行划分和预处理，该数据集包含有标签数据和无标签数据；步骤S2：伪标签交叉引导；步骤S3：深度特征交叉引导；在分割网络的编码器深层设置一个辅助分支模块，对模型编码器深层的输出进行降维；编码器的浅层卷积进行监督约束，使两个模型的编码器部分进行深度特征交叉引导；应用本技术方案能够训练网络关注图像的边缘信息和语义信息，获取更为全面的特征描述，减少模型对标注数据量的依赖，最终获得更好的分割结果。
-
公开(公告)号：CN118890582A
公开(公告)日：2024-11-01
申请号：CN202410910205.7
申请日：2024-07-08
Applicant: 福州大学
IPC: H04R3/00
Abstract: 本发明提供一种基于虚拟阵列的两阶段主瓣宽度可变波束形成方法，以差分麦克风阵列作为基本单元，由多个差分麦克风阵列组成更大阵列的平面差分波束形成器；波束形成分为两个阶段：首先差分麦克风阵列单元使用MMSE波束形成方法进行基本的差分波束形成，并采用基于Dolph‑Chebyshev多项式的形式的目标方向性图案，使主瓣宽度和旁瓣级可控；再通过组合多个差分麦克风阵列单元的输出进一步提升波束形成的性能；将多个差分麦克风阵列单元进行线性组合并视为虚拟的平面阵列，则全局阵列的导向向量视为差分麦克风阵列单元的导向向量与虚拟阵列导向向量的克罗内克积，全局波束形成器采用基本差分波束形成器和对应于虚拟阵列的波束形成器的克罗内克积。
-
公开(公告)号：CN109726937B
公开(公告)日：2022-05-10
申请号：CN201910073482.6
申请日：2019-01-25
Applicant: 福州大学
Abstract: 本发明涉及一种用于评价因土地利用规划调整导致对应的地图数据质量退化的方法，该方法以土地利用规划调整前后地块的形状测度为评价依据。包括如下步骤：步骤1，读取待评价区域土地利用规划调整前后两个地块数据集；步骤2，检测土地利用规划调整前后两个地块数据集的变化，记录变化范围并据此确定采样方案；步骤3，计算两个地块数据集中各地块的形状指数，利用形状指数计算形状测度指标值；步骤4，利用形状测度指标值计算土地利用规划图数据质量退化评价指标；步骤5，栅格化评价指标得到土地利用规划调整数据质量退化评价图。本发明为定量评价土地利用规划调整业务所导致的对应地图数据质量退化提供了一种科学合理、实用高效的解决方案。
-
公开(公告)号：CN109726937A
公开(公告)日：2019-05-07
申请号：CN201910073482.6
申请日：2019-01-25
Applicant: 福州大学
Abstract: 本发明涉及一种用于评价因土地利用规划调整导致对应的地图数据质量退化的方法，该方法以土地利用规划调整前后地块的形状测度为评价依据。包括如下步骤：步骤1，读取待评价区域土地利用规划调整前后两个地块数据集；步骤2，检测土地利用规划调整前后两个地块数据集的变化，记录变化范围并据此确定采样方案；步骤3，计算两个地块数据集中各地块的形状指数，利用形状指数计算形状测度指标值；步骤4，利用形状测度指标值计算土地利用规划图数据质量退化评价指标；步骤5，栅格化评价指标得到土地利用规划调整数据质量退化评价图。本发明为定量评价土地利用规划调整业务所导致的对应地图数据质量退化提供了一种科学合理、实用高效的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN119784941A
公开(公告)日：2025-04-08
申请号：CN202411836821.9
申请日：2024-12-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于预采样和渐进式语义建模策略的室内场景重建方法；包括以下步骤：构建场景重建模型，场景重建模型包括DFormer模块、主模型模块和语义建模模块；基于NYUv2数据集训练所构建的场景重建模型；将待重建的RGB图像和对应的深度图输入训练好的场景重建模型；主模型模块对输入的RGB图像和对应的深度图进行场景的渲染预采样，获取粗略的体积密度估计，并进行正式的体积和颜色渲染；DFormer模块将RGB图像转换成语义图像；语义建模模块以语义图像及对应的深度图作为输入，通过渐进式语义建模策略辅助细化体积和颜色的渲染效果；实现室内场景的重建。本发明能够显著提升场景重建的效率和精度，实现更精确的细节还原和更高效的渲染过程。
-
公开(公告)号：CN118279762A
公开(公告)日：2024-07-02
申请号：CN202410389164.1
申请日：2024-04-02
Applicant: 福州大学
Abstract: 本发明涉及一种高分遥感图像建筑物提取方法，包括以下步骤：将建筑物的高分遥感图像送入主干网络中的编码器进行多次下采样操作，依次得到不同分辨率下的特征图E1、E2、E3、E4和E5；将步骤S1中的特征图E2、E3、E4送入高分辨率特征融合模块中,得到高分辨率特征图H1、H2；将特征图E5送入解码器进行多次上采样操作，依次得到特征图D4、D3和D2，将特征图D2送入高分辨率特征融合模块中，得到特征图D1；将高分辨率特征图H1、H2和高分辨率特征融合模块输出的特征图D1送入频域边缘增强模块，得到最终的输出结果，并对结果进行多损失监督；本发明能捕获图像中更多的建筑物边缘细节和语义信息信息，有效地提高建筑物提取的精度和建筑物轮廓的完整性。
-
公开(公告)号：CN117934848A
公开(公告)日：2024-04-26
申请号：CN202410135405.X
申请日：2024-01-31
Applicant: 福州大学
IPC: G06V10/26 , G06V20/70 , G06V20/10 , G06V10/10 , G06V10/40 , G06V10/80 , G06V10/77 , G06V10/771 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种面向多源数据多区域尺度协同高分遥感图像语义分割方法。首先将经数据增强的多源高分光学图像和nDSM样本图像对分别输入到网络的高分空间分支、高分语义分支和nDSM空间分支，然后将两个数据源图像的空间特征进行拼接融合。最后，将融合特征经语义分割头上采样得到最终的分割结果。本发明的模型能使网络对于特征丰富，融合后的特征由于有nDSM图像的高程信息互补，缓解了高分光学图像中光谱混淆以及高分遥感图像固有的类内差异大，类间差异小造成语义分割难的问题。将融合特征应用于语义分割网络，相比已有的单源可见光图像分割方法和多源nDSM分割方法，该发明方法能够有效提高语义分割精度。
-
公开(公告)号：CN117079121A
公开(公告)日：2023-11-17
申请号：CN202310620502.3
申请日：2023-05-30
Applicant: 福州大学
IPC: G06V20/10 , G06V10/774 , G06V10/26 , G06V10/40
Abstract: 本发明涉及一种基于自适应编码和两阶段训练的遥感影像建筑物提取方法。通过自适应二进制磁盘编码和两阶段训练策略将深度学习与基于点击的交互式建筑物提取结合，提高了交互式建筑物提取的精度和鲁棒性。自适应二进制磁盘编码改进磁盘编码固定半径带来的交互特征信息不足问题；通过两阶段训练引导模型更多关注交互点击区域的引导特征。相比已有方法，该发明能捕获更有引导性的交互特征，大幅减少建筑物交互点击的次数的条件下获得相同的分割精度。
-
公开(公告)号：CN113642456B
公开(公告)日：2023-08-11
申请号：CN202110921430.7
申请日：2021-08-11
Applicant: 福州大学
IPC: G06V20/10 , G06V10/80 , G06V10/774 , G06T3/40 , G06T7/11 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于拼图引导的深度特征融合的高分辨率遥感图像场景分类方法，首先对原始图像生成一个拼图，将拼图送入网络模型的浅层卷积块进行浅层特征的学习，然后将原始图像送入完整的网络模型学习深度全局语义特征，最后将浅层卷积块的输出特征和完整网络的最后一层卷积块的输出特征进行融合，进行分类。本发明的策略能引导网络更加关注模型浅层特征的学习，融合后的特征包含更为丰富的场景信息，增加了目标的可区分性，相比已有方法，该发明方法能够有效提高分类精度，同时提高模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.026 seconds)
