-
公开(公告)号：CN111145338A
公开(公告)日：2020-05-12
申请号：CN201911299304.1
申请日：2019-12-17
Applicant: 桂林理工大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于单视角RGB图像的椅子模型重建方法及系统，包括图像编码器、多层感知器、SDF解码器、3D模块、2.5D草图模块和2D草图模块，所述图像编码器和所述多层感知器分别和所述SDF解码器连接，所述SDF解码器、所述3D模块、所述2.5D草图模块和所述2D草图模块依次连接，使用所述图像编码器RGB图片中获得全局特征，并结合所述多层感知器从查询点中提取局部特征，一同输入SDF解码器，得到SDF值，通过识别等值面提取三维模型，经过透视投影，得到2.5D草图，结合纹理编码向量输入循环一致性对抗网络，并放宽一对一的限制，得到多角度的带纹理的2D草图，可得到精细结构的三维模型，同时能灵活的生成多角度的2D图像。
-
公开(公告)号：CN106911771A
公开(公告)日：2017-06-30
申请号：CN201710090648.6
申请日：2017-02-20
Applicant: 桂林理工大学
Abstract: 本发明公开了一种测量控制点点之记数字化采集方法。集成了定位模块4、草图绘制模块5、图像采集模块6、音频采集模块7、文字采集模块8，能采集多种类型的信息，能较全面的描述控制点的位置和方便野外找点。点之记管理模块1能创建或编辑点之记，管理每个点之记的各类信息，根据点之记信息采集的要求来配置信息采集界面。能自动输出符合要求的DOC格式的点之记成果，也能通过网络在不同作业小组之间共享，实现点之记成果的快速交接。本发明采集点之记信息快速、详实，通过定位、拍照、录音等方法提高了点之记信息的完整度，使得野外找点更加容易；通过成果的快速交接，提高了工作效率。
-
公开(公告)号：CN105911563A
公开(公告)日：2016-08-31
申请号：CN201610520640.4
申请日：2016-07-02
Applicant: 桂林理工大学
IPC: G01S19/08
CPC classification number: G01S19/08
Abstract: 本发明是一种GPS静态观测数据质量实时检测的方法。1）通过通讯模块设置系统与GPS接收机之间的通讯，并进行数据请求与接收，获得GPS接收机的原始二进制格式的定位数据；2）利用数据解码模块对所述的定位数据进行解码；3）利用计算模块对解码后的数据进行数据质量指标的计算；4）利用输出模块对所述的数据质量指标的计算结果进行分析，并根据需要实时输出数据质量检测的结果。本发明通过保持与GPS接收机的实时通讯，方便用户对GPS静态观测数据质量进行实时监控，能实时进行数据质量检测，能避免因数据质量差而返工重测的情况，提高了工作效率，是较之传统工作方法具有明显特征的新的工作模式，用途广泛，具有可持续发展的特性。
-
公开(公告)号：CN117611990A
公开(公告)日：2024-02-27
申请号：CN202311379696.9
申请日：2023-10-23
Applicant: 桂林理工大学
Abstract: 本发明涉及桉树人工林技术领域，具体涉及基于ReliefF和ACO特征的桉树林面积提取方法，包括对林区进行普查，进行分类样本的选取，得到影像数据源；对影像数据源进行预处理，计算植被特征变量并堆栈，得到特征集；利用ReliefF算法对特征集选择特征子集，并利用ACO算法对特征子集进行搜索二次特征子集；将二次特征子集输入SNIC超像素分割算法分割，得到分割影像；基于堆栈集成学习模型对分割影像提取分类，得到分类结果；基于混淆矩阵对分类结果进行精度评定，并对精度进行验证，该方法结合ReliefF和ACO的特征优选方法搜索二次特征子集，减少信息冗余、提高分类精度，并通过SNIC超像素分割和堆栈集成学习进行桉树人工林提取，再次提高分类准确度。
-
公开(公告)号：CN116913046A
公开(公告)日：2023-10-20
申请号：CN202311026191.4
申请日：2023-08-15
Applicant: 桂林理工大学
IPC: G08B21/10
Abstract: 本发明涉及滑坡监测技术领域，具体涉及一种降雨型滑坡风险预警监测方法，先通过遥感的方式对滑坡体进行大范围普查，然后锁定可疑区域并且进行详查，核查可疑区域内的可疑或潜在滑坡体，监测所述可疑区域。采集监测区域的高程、岩性、坡度、坡向、形变、降雨及土壤湿度作为滑坡发育评价的指标，定义出滑坡体的耗散系统结构以及研究区域的滑坡“熵”，通过对各指标赋能，并计算各指标子系统的滑坡“熵”与系统的滑坡总“熵”。结合研究区域的历史滑坡数据，通过计算分析得到滑坡发生临界值的滑坡“熵”，最后根据分析结果获得研究区域发生滑坡的阈值，建立研究区域滑坡的风险性评价体系，并且发出预警信息，进而实现滑坡体的风险预警与防治。
-
Patent Agency Ranking
公开(公告)号：CN112613545A
公开(公告)日：2021-04-06
申请号：CN202011490474.0
申请日：2020-12-17
Applicant: 中国农业科学院农业资源与农业区划研究所 , 交通运输部规划研究院 , 桂林理工大学
Abstract: 本发明公开了一种基于多光谱遥感数据提取水体的方法，包括以下步骤：步骤1：大量获取多种地表类型的遥感反射率数据作为训练数据集；步骤2：分别求取每个地类训练数据集的平均反射率；步骤3：分别将每类平均反射率的各个波段除以各自的绿光波段反射率，得到对应的比例系数；步骤4：将比例系数与水体通用模型进行结合，列出不等式组；步骤5：求解不等式组，得到最终的水体提取模型。本发明可以利用国产卫星数据进行水体提取，解决了冰雪与水体难以区分的难题。
-
公开(公告)号：CN111274919A
公开(公告)日：2020-06-12
申请号：CN202010051792.0
申请日：2020-01-17
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于卷积神经网络的五官检测方法、系统、服务器及介质，基于卷积神经网络的五官检测方法包括获取人脸图像，并基于人脸关键点算法对所述人脸图像进行预处理，得到输入图像；建立基于SSD算法的网络模型；获取所述输入图像输入至所述网络模型，基于分类损失函数和位置位置损失函数的约束，来调整网络权重使得网络模型的输出的分数更加贴合人脸五官状态，并通过加权的方式得到整体五官分数。采用监督学习的方法实现将去除背景信息的人脸图像输入到网络模型中，输出五官分数，使得用户对自己五官有清晰的认知，根据分数得到最优五官，辅助用户在化妆时凸显出自己五官的优处，以及对不足部位进行弥补，最好形成较好的妆容观感。
-
公开(公告)号：CN119670523A
公开(公告)日：2025-03-21
申请号：CN202411251193.8
申请日：2024-09-06
Applicant: 桂林理工大学
IPC: G06F30/27 , G06N20/00 , G06F18/214 , G06N20/20 , G06N5/01 , G06N3/126 , G06N3/084 , G06N3/0985 , G01N33/24 , G06F119/02
Abstract: 本发明属于微波遥感技术领域，提出一种基于多模型融合的地表土壤湿度GNSS‑R降尺度反演方法。包括以下步骤：首先基于CYGNSS观测数据、SMAP SM和辅助要素数据，通过质量控制构建36km网格的训练数据集和3km网格的测试数据集；进而采用极限梯度增强算法、轻量级梯度提升机、反向传播神经网络和随机森林作为基模型，按7:3比例对训练数据集进行随机划分，分别构建各个基模型进行训练和验证；最后通过元学习器（线性回归模型）来深入学习各个基模型的测试结果，自动调整其权重，得到多模型融合的土壤湿度降尺度反演结果。本发明充分融合多个基模型的优点，能够有效提升土壤湿度降尺度反演精度。
-
公开(公告)号：CN113219451B
公开(公告)日：2024-04-02
申请号：CN202110437317.1
申请日：2021-04-22
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于子孔径雷达干涉的目标速度估测方法，本发明通过将合成孔径雷达的原孔径分成数个等长度的子孔径后输出得到多个子孔径的信号，再由子孔径的信号经干涉处理生成相位差，由所述相位差去估计多普勒系数及目标物速度。本发明可应用于车辆、船只等移动目标远距离、全天时全天候、宏观大规模实时探测，解决了移动目标物产生的多普勒频移使合成孔径雷达影像变得模糊与产生位置偏移的缺点。
-
公开(公告)号：CN116992363A
公开(公告)日：2023-11-03
申请号：CN202310835083.5
申请日：2023-07-10
Applicant: 桂林理工大学
IPC: G06F18/243 , G06F18/24 , G06F18/214 , G06F18/20 , G06N20/20
Abstract: 本发明涉及预测技术领域，具体涉及一种季节性野火易发性评价方法，首先通过收集及筛选历史野火样本，再利用CF算法构建全季节的CF野火易发性模型，基于此划定负样本选取区域并整合正负样本；其次，对不同时期内的正负样本划分训练集和测试集，基于XGBoost模型构建年度和不同季度的野火易发性预测模型，利用多个评价指标比较分析其合理性和预测性能；最后，利用SHAP全局解释性方法分析不同季节的易发性模型中因子影响程度差异，了解不同季节野火发生的概率以及可能的原因，从而提前采取相应的预防措施，以降低野火的发生率和危害，克服现有的机器学习方法进行各季节野火易发性预测时模型可解释性差以及难以确定主导因素的问题。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.03 seconds)
