-
公开(公告)号：CN116883651B
公开(公告)日：2025-03-28
申请号：CN202310667361.0
申请日：2023-06-06
Applicant: 西北农林科技大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于深度学习语义分割的流域划分方法，其通过采集预设数量的不同地貌类型的流域图像数据样本，并进行预处理得到多个预设尺寸的子图像样本，标注后得到多个流域图像标注样本；通过将多个子图像样本和对应的子图像标注样本划分为训练集和验证集，建立深度学习语义分割模型；分别利用训练集训练深度学习语义分割模型的各变量值和利用验证集验证深度学习语义分割模型的Accuracy，MPA和FwIou准确度，得到最佳的深度学习语义分割模型；采集不同地貌类型的待检测图像数据，并进行预处理得到多个预设尺寸的待测子图像，待测子图像利用最佳的深度学习语义分割模型预测得到对应流域划分预测图像。
-
公开(公告)号：CN115239894A
公开(公告)日：2022-10-25
申请号：CN202210511956.2
申请日：2022-05-12
Applicant: 西北农林科技大学
Abstract: 本发明涉及一种适用于大尺度地理坐标系栅格数据的LS因子提取方法，适用于地理坐标系栅格数据的LS因子提取方法设计和实现，能提升LS因子提取效率，并且设计的针对大尺度LS因子的计算流程，完善了大尺度LS因子提取的方式；该方法可快速有效地对基于高分辨率全球尺度SRTM1进行LS因子的提取与计算；包括如下步骤：步骤1、数据分块：步骤2、添加缓冲区并将栅格数据格式转化为ASCII数据：步骤3、带缓冲区数据的LS因子提取：步骤4、ASCII结果数据格式转化并提取不带缓冲区各LS因子数据：步骤5、数据融合提取所需尺度的地理坐标系栅格LS因子；将步骤4得到的LS因子数据通过Arcmap软件中的镶嵌工具融合即可得到所需尺度的地理坐标系下栅格LS因子。
-
公开(公告)号：CN116883651A
公开(公告)日：2023-10-13
申请号：CN202310667361.0
申请日：2023-06-06
Applicant: 西北农林科技大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种基于深度学习语义分割的流域划分方法，其通过采集预设数量的不同地貌类型的流域图像数据样本，并进行预处理得到多个预设尺寸的子图像样本，标注后得到多个流域图像标注样本；通过将多个子图像样本和对应的子图像标注样本划分为训练集和验证集，建立深度学习语义分割模型；分别利用训练集训练深度学习语义分割模型的各变量值和利用验证集验证深度学习语义分割模型的Accuracy，MPA和FwIou准确度，得到最佳的深度学习语义分割模型；采集不同地貌类型的待检测图像数据，并进行预处理得到多个预设尺寸的待测子图像，待测子图像利用最佳的深度学习语义分割模型预测得到对应流域划分预测图像。
-
-
Search Results
3
records
(took 0.013 seconds)
