-
公开(公告)号：CN113435411B
公开(公告)日：2022-06-17
申请号：CN202110843211.1
申请日：2021-07-26
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06V20/13 , G06V10/80 , G06V10/774 , G06V10/40 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进DeepLabV3+的露天矿区土地利用识别方法，首先制作矿区不同土地利用类型样本数据集，构建DeepLabV3+网络模型，采用Xception作为基础网络架构提取低层和高层特征，其次通过改进的空间金字塔池化提取多尺度特征信息，然后将多尺度特征输入到注意力机制模块中，增强网络模型的分类能力；最后，聚合Xception低层特征与多尺度高层特征，通过卷积和上采样得到模型预测结果。本发明通过低层特征多尺度空间信息融合减少网络逐层卷积池化导致的边缘信息损失，提高了分割精度，通过引入空间注意力机制模块聚合多尺度上下文信息，增强网络模型的分类能力，通过占比加权的方法解决网络训练中样本不平衡的问题，提高了各类别用地的分类识别精度。
-
公开(公告)号：CN114549534A
公开(公告)日：2022-05-27
申请号：CN202210051023.X
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种矿区土地利用识别方法、装置、设备、介质及产品，该方法包括：通过多尺度分割算法对待识别遥感影像进行面向对象分割，得到影像对象单元，并提取各影像对象的影像对象特征；将所述影像对象特征输入至影像对象特征优化网络，得到所述影像对象特征优化网络输出的优化后的影像对象特征；将所述影像对象单元输入至深度特征提取网络，得到所述深度特征提取网络输出的提取各影像对象的深度特征，其中，所述深度特征提取网络为改进的DenseNet网络；将所述优化后的影像对象特征和所述深度特征叠加后进行类别识别，得到矿区用地类型分类结果。本发明用以解决无法高精度识别矿区用地类型的缺陷，实现了提升矿区用地类型的识别精度。
-
公开(公告)号：CN115482463B
公开(公告)日：2023-05-05
申请号：CN202211064803.4
申请日：2022-09-01
Applicant: 北京低碳清洁能源研究院 , 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种生成对抗网络矿区土地覆盖识别方法及系统，其方法包括：S1、获取一个区域内影像块数据集和土地覆盖标签数据集；S2、基于Pytorch构建包含生成网络和判别网络的生成对抗网络模型；S3、构建生成对抗网络模型的损失函数：S4、利用联合感知损失函数对生成对抗网络模型进行动态训练直到达到纳什平衡；S5、向训练后的生成网络输入研究区的影像块数据，输出矿区土地覆盖识别结果图。本发明通过土地覆盖样本数据集对构建的生成对抗网络模型进行训练，采用联合感知损失函数，最终实现对输入研究区影像块数据的矿区土地覆盖识别并输出特征图，提高了高分遥感影像中矿区土地覆盖的识别精度及分割效果。
-
公开(公告)号：CN114898089B
公开(公告)日：2022-10-25
申请号：CN202210543624.2
申请日：2022-05-18
Applicant: 中国矿业大学(北京) , 北京大学
IPC: G06V10/25 , G06V10/764 , G06V10/762 , G06V20/10 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合高分影像和POI数据的功能区提取与分类方法，其方法如下：A、采集高分影像数据，构建多尺度可变形卷积网络模型提取多尺度功能语义特征影像块；B、采用多尺度分割算法对功能语义特征影像数据进行功能单元分割处理并得到若干个功能区单元；C、计算各个功能区单元的单元属性；D、利用随机森林分类器对各个功能区单元进行分类。本发明构建有多尺度可变形卷积网络模型进行功能语义特征提取，基于功能区单元融合遥感影像多尺度深度特征和POI数据核密度分析特征，通过随机森林分类器实现功能区的分类；本发明能够提高城市功能区提取的精度和精细程度，可以快速高效地应用于大范围城市功能区提取任务，以满足实际应用需求。
-
公开(公告)号：CN113435411A
公开(公告)日：2021-09-24
申请号：CN202110843211.1
申请日：2021-07-26
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
Abstract: 本发明公开了一种基于改进DeepLabV3+的露天矿区土地利用识别方法，首先制作矿区不同土地利用类型样本数据集，构建DeepLabV3+网络模型，采用Xception作为基础网络架构提取低层和高层特征，其次通过改进的空间金字塔池化提取多尺度特征信息，然后将多尺度特征输入到注意力机制模块中，增强网络模型的分类能力；最后，聚合Xception低层特征与多尺度高层特征，通过卷积和上采样得到模型预测结果。本发明通过低层特征多尺度空间信息融合减少网络逐层卷积池化导致的边缘信息损失，提高了分割精度，通过引入空间注意力机制模块聚合多尺度上下文信息，增强网络模型的分类能力，通过占比加权的方法解决网络训练中样本不平衡的问题，提高了各类别用地的分类识别精度。
-
Patent Agency Ranking
公开(公告)号：CN117725493B
公开(公告)日：2025-01-10
申请号：CN202311340078.3
申请日：2023-10-16
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06F18/2411 , G06F18/214 , G06F18/243 , G06N3/09 , G06N3/082
Abstract: 本发明公开了一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其方法包括：S1、构建滑坡特征样本数据集，提取滑坡影响因子集并与滑坡危险性结果关联存储；S2、构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。本发明通过滑坡危险性评价模型的初级学习器层多个模型的训练及次级学习器层的模型训练，具有模型预测精度高、综合性高等优点，对于地质灾害隐患防范具有重要的意义。
-
公开(公告)号：CN117671437B
公开(公告)日：2024-06-18
申请号：CN202311359531.5
申请日：2023-10-19
Applicant: 中国矿业大学(北京)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06V20/10
Abstract: 本发明公开了一种基于多任务卷积神经网络的露天采场识别与变化检测方法，其方法包括：S1、采集研究区T1、T2两个时相的遥感影像数据，构建多任务卷积神经网络模型；S2、变化检测网络分支将第一识别网络分支得到的特征图与第二识别网络分支得到的特征图进行差分融合得到编码特征图，然后通过跳跃连接并进行特征融合得到特征图Dt‑5、Dt‑4、Dt‑3、Dt‑2；S3、变化检测网络分支将特征图Dt1‑2与特征图Dt2‑2进行差分融合得到特征图Da‑t2；S4、将特征图Dt‑2分别与通道注意力权重、空间注意力权重相乘运算得到特征图D′t‑2，然后通过上采样操作得到变化检测结果。本发明构建有基于孪生VGG‑16网络结构的多任务卷积神经网络模型，能够快速高效地应用于露天矿区采场识别与变化区域自动检测。
-
公开(公告)号：CN117725493A
公开(公告)日：2024-03-19
申请号：CN202311340078.3
申请日：2023-10-16
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06F18/2411 , G06F18/214 , G06F18/243 , G06N3/09 , G06N3/082
Abstract: 本发明公开了一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其方法包括：S1、构建滑坡特征样本数据集，提取滑坡影响因子集并与滑坡危险性结果关联存储；S2、构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。本发明通过滑坡危险性评价模型的初级学习器层多个模型的训练及次级学习器层的模型训练，具有模型预测精度高、综合性高等优点，对于地质灾害隐患防范具有重要的意义。
-
公开(公告)号：CN115170979B
公开(公告)日：2023-02-24
申请号：CN202210769160.7
申请日：2022-06-30
Applicant: 国家能源投资集团有限责任公司 , 北京低碳清洁能源研究院 , 中国矿业大学(北京) , 国家能源集团新疆能源有限责任公司
IPC: G06V20/13 , G06V20/10 , G06V20/70 , G06V10/80 , G06V10/44 , G06V10/54 , G06V10/58 , G06V10/764 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种多源数据融合的矿区精细用地分类方法，首先获取多源数据进行预处理并多尺度分割得到影像对象，并对影像对象裁剪高分影像块用于深度特征提取；然后，多分支卷积神经网络模型自动提取特征列向量和深度语义特征；利用多源特征深度融合模块进行特征融合并利用特征重要性权重计算模块计算多源数据深度特征重要性权重，实现有效信息的自适应融合；最后通过随机森林分类器利用深度融合特征进行矿区地物精细分类，得到矿区用地精细分类结果。本发明提供一种多源数据融合的矿区精细用地分类方法，实现了矿区精细用地分类，为矿区用地监测、管理和矿区生态环境保护提供基础数据支持，对于矿区用地监测管理与生态环境保护具有重要意义。
-
公开(公告)号：CN115546649A
公开(公告)日：2022-12-30
申请号：CN202211306355.4
申请日：2022-10-24
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种单视遥感影像高度估计和语义分割多任务预测方法，其方法包括：A、构建多任务网络模型；B、采集高分辨率光学遥感影像样本并得到样本数据集；C、将样本数据集中的光谱空间特征影像块输入多任务网络模型中；D、采集待预测的高分辨率光学遥感影像并裁剪成光谱空间特征影像块输入训练后的多任务网络模型，分别加权计算得到高度估计预测结果DSM和语义分割预测结果SS。本发明多尺度残差及可变形卷积网络能够实现多尺度特征提取，并能克服各类地物的复杂、异质和尺度差异大等问题，DSM与语义分割生成网络分别利用混合特征和优选特征进行DSM估计与语义分割，最终得到高精度的地物DSM估计结果与语义分割结果。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.027 seconds)
