-
公开(公告)号：CN116824395A
公开(公告)日：2023-09-29
申请号：CN202310906846.0
申请日：2023-07-21
Applicant: 南湖实验室
IPC: G06V20/13 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于地学特征的滑坡提取方法、系统、设备及介质，涉及滑坡提取技术领域，该方法包括：采集待检测区域的遥感影像、数字高程模型和地形参数；将所述遥感影像、所述数字高程模型以及所述地形参数输入滑坡提取模型，输出滑坡提取结果；所述滑坡提取模型为根据训练集对深度卷积神经网络进行训练获得的，所述深度卷积神经网络中进行特征提取时，采用了空洞卷积和空间金字塔池化模块；根据所述滑坡提取结果和所述数字高程模型确定滑坡面积。本发明提高了滑坡提取的准确性。
-
公开(公告)号：CN116721274A
公开(公告)日：2023-09-08
申请号：CN202310034929.5
申请日：2023-01-10
Applicant: 南湖实验室
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种固态废弃物的识别方法、系统、设备及存储介质，涉及语义分割技术领域，所述方法包括：将目标图像输入第一分类模型中，得到第一类激活映射图和第二类激活映射图；根据第一类激活映射图，计算背景的第一目标类激活映射图；根据第一类激活映射图和第二类激活映射图，计算背景的第二目标类激活映射图；基于第一目标类激活映射图、第一类激活映射图、第二类激活映射图和第二目标类激活映射图，确定目标亲和力标签；将目标图像和目标亲和力标签输入至固态废弃物伪标签生成模型中，得到固态废弃物伪标签，从而训练全监督语义分割神经网络，得到目标固态废弃物识别模型，识别目标图像中的固态废弃物，提高了固体废弃物的识别精度。
-
公开(公告)号：CN114970941A
公开(公告)日：2022-08-30
申请号：CN202210294633.2
申请日：2022-03-23
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于遥感植被物候的花粉信息预测方法，包括：S1、获取数据并进行预处理；S2、对花粉释放信息与遥感植被物候进行时空相关性分析；S3、对遥感植被物候与气候环境因素进行时空相关性分析；S4、对遥感植被物候信息以及气候环境要素进行特征提取，并且利用逐步回归模型进行花粉释放信息预测；S5、花粉释放信息区域制图：获取研究区域的遥感植被物候信息，以及与花粉释放信息有关的气候环境因素和对应逐步回归方程中得到的拟合系数，得到区域尺度内花粉预测信息。本发明利用遥感植被物候区域尺度和长时间序列数据信息，结合气候环境的影响，可以弥补花粉监测站点的不足，提供高质量、大区域尺度的花粉信息及其年际动态变化趋势。
-
公开(公告)号：CN114419464A
公开(公告)日：2022-04-29
申请号：CN202210315345.0
申请日：2022-03-29
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于深度学习的孪生网络变化检测模型，包括用于获取差异图像的双分支计算模型，所述的双分支计算模型包括孪生网络、第二分支卷积网络和上采样卷积网络，所述的孪生网络用于分别提取两个时相的时相特征图，第二分支卷积网络用于根据两个时相特征图及两个时相特征图的差值特征图计算差异特征图，所述的上采样卷积网络用于将差异特征图进行上采样和/或反卷积操作得到差异图像。本发明对ResNet18模型进行改造建立孪生网络ResAtNet用于变化检测场景，通过双分支差异特征图生成方法提高差异特征提取能力，模型可以适用于目标学习高维变化特征，无需专家知识选择合适的特征表达，自适应多种变化场景，对比其他现有模型，具有明显的精度优势。
-
公开(公告)号：CN114067152A
公开(公告)日：2022-02-18
申请号：CN202210043155.8
申请日：2022-01-14
Applicant: 南湖实验室
IPC: G06V10/762 , G06V10/764 , G06K9/62 , G06N3/08 , G06V20/13
Abstract: 本发明提供了一种基于星载SAR影像的精细化洪水淹没区提取方法，包括：S1、获取目标区域的SAR图像，对SAR图像进行超像素分割和阈值分割获得分割结果，根据所述分割结果得到背景百分比，并计算每个图像对象的特征向量；S2、通过对所述超像素分割结果、背景百分比和特征向量进行处理构建无向图并得到部分结点的类别标签；S3、根据所述的无向图和得到的部分结点的类别标签训练图卷积神经网络，并通过训练好的图卷积神经网络预测其它结点的类别，得到淹没后的水体提取结果；S4、将提取的淹没后的水体分布与洪水前的水体分布做差，得到洪水淹没区域。本发明可以兼顾图像对象特征和图像对象之间空间关系，能够显著提高SAR影像中洪水淹没区的提取精度。
-
Patent Agency Ranking
公开(公告)号：CN116977778A
公开(公告)日：2023-10-31
申请号：CN202310738639.9
申请日：2023-06-20
Applicant: 南湖实验室
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种冰凌检测方法、系统、电子设备及介质，涉及遥感语义分割技术领域。所述方法包括将待预测河流遥感图像输入训练好的冰凌检测模型得到待预测河流遥感图像中的冰凌；训练好的冰凌检测模型以样本河流遥感图像为输入以样本河流遥感图像中的冰凌为输出对冰凌检测模型进行训练得到的；冰凌检测模型包括编码层、多头注意力层和解码层；编码层的输出端与多头注意力层的输入端以及解码层的输入端连接，多头注意力层的输出端与解码层的输入端连接；编码层包括：多个特征编码模块；特征编码模块为倒置残差结构且包括深度参数化卷积层；多头注意力层包括空间注意力特征机制和通道注意力特征机制。本发明可提高冰凌边缘检测的准确度。
-
公开(公告)号：CN116975342A
公开(公告)日：2023-10-31
申请号：CN202310921175.5
申请日：2023-07-25
Applicant: 南湖实验室
IPC: G06F16/535 , G06F16/54 , G06V20/13 , G06V10/26 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于数据湖的深度学习语义分割方法、系统及设备，涉及语义分割领域，该方法包括构建数据湖；在所述数据湖确定数据源、数据格式、数据层次结构以及存储介质；将遥感数据存储在数据湖中；并进行遥感数据可视化；从数据湖中检索遥感数据以及检索标注影像；利用检索得到的遥感数据以及相应的标注影像训练语义分割模型，得到遥感影像解译模型；利用遥感影像解译模型确定待预测的遥感数据的分类结果本发明能够提高深度学习方法对海量图像数据的处理效率。
-
公开(公告)号：CN115965838A
公开(公告)日：2023-04-14
申请号：CN202211612143.9
申请日：2022-12-14
Applicant: 南湖实验室
IPC: G06V10/778 , G06V10/82 , G06N3/0475 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种基于半监督学习的固废检测模型构建方法和固废检测方法，固废检测模型包括生成器和判别器，生成器基于输入的有标签影像特征图和无标签影像特征图输出预测结果，判别器基于生成器的预测结果和相应影像特征图的真实标签输出一致性判别结果，基于有标签影像特征图和无标签影像特征图的样本集组合，通过判别器与生成器的对抗训练使判别器学习到预测结果与真实标签的判别知识，生成器学习到基于输入的影像特征图识别固废目标的能力。通过半监督学习机制综合生成器和判别器提取未标记数据信息，采用融合损失来规范训练实现像素级预测，对标签的低需求量使其具有较高的应用价值和推广性，可有效提高现有方法的召回率。
-
公开(公告)号：CN115879270A
公开(公告)日：2023-03-31
申请号：CN202211267398.6
申请日：2022-10-17
Applicant: 南湖实验室
IPC: G06F30/20 , G06F119/08
Abstract: 本方案公开了一种基于物理模型与数据驱动的全天候地表温度重建方法，该方法考虑到物理模型的可解释性与外推能力强，而数据驱动方法对数据适应性与挖掘数据特征能力强，将物理建模与灵活的数据驱动建模相结合重建LST，以物理模型生成LST源数据，使用数据驱动方法提高精度，能够生成一种空间分辨率较高的全天候类似MODIS数据，弥补卫星TIR影像受云污染而无法获取完整LST的缺点。本方案将重建模型建立在LST源数据的真实性与科学性的基础上，然后使用多源遥感数据与影像空间信息提高LST精度，最终能获得高精度的全天候LST影像。
-
公开(公告)号：CN115272278A
公开(公告)日：2022-11-01
申请号：CN202210975746.9
申请日：2022-08-15
Applicant: 南湖实验室
IPC: G06T7/00 , G06T7/20 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本方案公开了一种用于遥感图像变化检测的变化检测模型的构建方法,模型包括两个孪生网络，孪生网络均依次包括输入层、网络层一、网络层二和分类层，输入层的输入为图象块一和图象块二，检测模型根据两个分类层的输出得到两个图象块的差异图像；输入层包括卷积模块、FMBConv模块和ASPP模块；网络层一包括第一双分支模块和第二双分支模块，其中一个分支均包括可变形卷积；网络层二包括多头自注意力瓶颈模块。本方案使用包括可变形卷积的双分支结构和多头自注意力机制，使模型在保证特征图空间分辨率的同时增大其感受野，提高模型的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.016 seconds)
