-
公开(公告)号：CN119723276B
公开(公告)日：2025-05-16
申请号：CN202411129593.1
申请日：2024-08-16
Applicant: 长安大学
IPC: G06V10/82 , G06V10/80 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于缠绕干涉相位的蠕变型滑坡隐患智能识别方法及系统，该方法首先获取多景时间连续的缠绕干涉图数据，并通过双线性插值上采样至128x128的固定输入尺寸。随后，利用正弦和余弦函数对缠绕干涉图进行映射，生成正弦相位和余弦相位，进一步丰富相位信息。通过设定的映射函数，将这些相位数据转换为RGB色彩空间，以实现数据的多维表达。在特征提取与融合阶段，采用共享权重的多分支网络架构，对每个RGB通道进行独立特征提取，并通过特征融合机制对同层特征进行整合，提炼出高维语义信息。接着，通过解码器逐级恢复特征信息并完成分类映射，最终得出单景干涉图的预测结果。
-
公开(公告)号：CN119851278A
公开(公告)日：2025-04-18
申请号：CN202411902586.0
申请日：2024-12-23
Applicant: 长安大学
IPC: G06V20/70 , G06V10/26 , G06V10/82 , G06V10/77 , G06N5/04 , G06V10/80 , G06N3/045 , G06N3/048 , G06N3/08 , G06N3/0499
Abstract: 本发明公开了联合图像处理与语义理解的蠕变型滑坡隐患智能识别方法，首先，采用高精度几何建模和滤波技术抑制InSAR干涉图中的无关相位，保留与滑坡相关的形变信息。接着，通过相位梯度、RGB通道映射和生成对抗网络增强信号特征，提高信号的表征能力。随后，利用卷积运算、自注意力机制和结构重参数化优化深度学习模型，提升对滑坡隐患的学习能力。在特征编码阶段，通过多模态字幕生成模型获得视觉和语言特征，并将其映射至同一嵌入空间以实现无缝衔接。最后，利用自动回归语言生成模型和多层感知机对滑坡隐患进行问题预测。该方案通过集成视觉、语言和深度学习技术，显著提升了滑坡隐患监测的效率与准确性，为灾害响应与管理提供了有效支持。
-
公开(公告)号：CN119964036A
公开(公告)日：2025-05-09
申请号：CN202510052940.3
申请日：2025-01-14
Applicant: 长安大学
IPC: G06V20/17 , G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种黄土塬边落水洞智能识别的方法，包括：S1、基于无人机遥感影像的训练数据获取；获取研究区域的无人机遥感影像；黄土塬边落水洞标签制作；影像及标签尺寸裁剪；数据结构划分；S2、基于深度多级残差门控注意力的级联网络框架；通过Transformer与卷积运算重构后的编码器将影像中的黄土塬边落水洞抽象为高维语义信息；以门控注意力机制将编码过程中的各层空间和语义特征信息进行过滤；通过并行残差逐深度卷积结构保留更多的跳跃连接和上采样信息；S3、智能识别与性能评价；训练权重的获取；预测结果的精度指标评价及可视化。本发明能够高效精确识别和描绘黄土塬边落水洞，具有较低的成本以及计算强度。
-
公开(公告)号：CN119723276A
公开(公告)日：2025-03-28
申请号：CN202411129593.1
申请日：2024-08-16
Applicant: 长安大学
IPC: G06V10/82 , G06V10/80 , G06V10/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于缠绕干涉相位的蠕变型滑坡隐患智能识别方法及系统，该方法首先获取多景时间连续的缠绕干涉图数据，并通过双线性插值上采样至128x128的固定输入尺寸。随后，利用正弦和余弦函数对缠绕干涉图进行映射，生成正弦相位和余弦相位，进一步丰富相位信息。通过设定的映射函数，将这些相位数据转换为RGB色彩空间，以实现数据的多维表达。在特征提取与融合阶段，采用共享权重的多分支网络架构，对每个RGB通道进行独立特征提取，并通过特征融合机制对同层特征进行整合，提炼出高维语义信息。接着，通过解码器逐级恢复特征信息并完成分类映射，最终得出单景干涉图的预测结果。
-
-
-
Search Results
4
records
(took 0.014 seconds)
