-
公开(公告)号：CN112183445A
公开(公告)日：2021-01-05
申请号：CN202011096008.4
申请日：2020-10-14
Applicant: 北京大学
Abstract: 本发明实施例提供一种城市功能区的样本标注方法及装置、电子设备和存储介质，其中，所述方法包括：获取至少一个城市功能区；利用预定义的稀疏主题模型确定每个所述城市功能区的主题概率分布，选择主题概率分布符合设定条件的城市功能区作为纯净样本，并标注纯净样本中每个城市功能区的类别；基于第一分类模型和城市功能区的已知类别，确定每个未标注城市功能区的类别隶属度信息熵，确定隶属度信息熵大于第一阈值的未标注城市功能区为混淆样本；基于第二分类模型对混淆样本进行分类识别，确定混淆样本中每个未标注城市功能区的类别，在确定纯净样本和混淆样本中每个城市功能区的类别后，实现城市功能区样本的快速、精确地提取。
-
公开(公告)号：CN109993753A
公开(公告)日：2019-07-09
申请号：CN201910196897.2
申请日：2019-03-15
Applicant: 北京大学
IPC: G06T7/11
Abstract: 本发明实施例提供一种遥感影像中城市功能区的分割方法及装置，所述方法包括：获取任意两个相邻对象之间的异质性增加量；根据异质性增加量和自适应分割尺度，对目标遥感影像中的所有对象进行迭代合并，获取目标遥感影像中的城市功能区，其中，自适应分割尺度是根据当前的两个待合并的对象所包含的像素的上下文特征，按照预设自适应算法模型计算得到的分割尺度。本发明实施例提供的遥感影像中城市功能区的分割方法及装置，基于遥感影像中像素的上下文特征，采用自适应分割尺度对遥感影像中的对象进行迭代合并，得到城市功能区，能够自动、快速的从遥感影像中产生满足各种应用需求的多尺度的功能区分割结果，并且分割出来的城市功能区的精度更高。
-
公开(公告)号：CN109886171A
公开(公告)日：2019-06-14
申请号：CN201910104820.8
申请日：2019-02-01
Applicant: 北京大学
Abstract: 本发明实施例提供一种遥感影像地理场景的分割方法及装置，所述方法包括：提取目标遥感影像中每一地理对象的空间结构特征；根据所有地理对象的空间结构特征聚合生成多层不同类别的均质图斑；将多层不同类别的均质图斑进行空间叠加求交，获取所述目标遥感影像中的地理场景单元。本发明实施例提供的遥感影像地理场景的分割方法及装置，通过提取地理对象的空间结构特征，进行多层图聚合，实现自动的面向地理场景的遥感影像分割，有助于城市功能区建模提取及空间划分，结果可应用于城市功能区制图、城市规划、城市资源分配和管理和城市景观生态调查。
-
公开(公告)号：CN119131182B
公开(公告)日：2025-03-28
申请号：CN202411163701.7
申请日：2024-08-23
Applicant: 北京大学
Abstract: 本发明公布了一种遥感影像中社区开放空间的层级联合制图方法及装置，包括：样本生成模块、分层映射模块和遮挡建模模块；通过开发层级社区开放空间样本自动化制作流程，制作空间统一的层级社区开放空间样本库；设计具有双分支层级制图架构LMA的层级遮挡感知模型；设计级联图模组CGM，用于表示地上元素对地面元素的遮挡过程，利用LMA的上层分支特征指导筛选下层分支特征，增强LMA的上下层分支间信息传递。本发明实现了基于深度学习的社区尺度层级开放空间的高精度提取，显著提升了对多层次、相互遮挡的开放空间元素的识别和制图能力。
-
公开(公告)号：CN119647550A
公开(公告)日：2025-03-18
申请号：CN202411697586.1
申请日：2024-11-26
Applicant: 北京大学
IPC: G06N3/0895 , G06N3/084 , G06N3/045 , G06V10/82 , G06V10/774 , G06V20/10
Abstract: 本发明提供一种高效且高兼容性的半监督学习模型训练方法及设备，方法包括：将有标签和无标签的图像数据按照一定的比例组合成若干批；将数据逐批次输入ACCT半监督学习框架中的两条支路上待训练的模型中；将两个模型输出的预测结果通过交叉伪监督的方式来计算预测损失，并反向传播预测损失，用于同时更新两个模型的参数；按照上述步骤迭代训练多个轮次，直到两个模型的损失曲线收敛。本发明基于深度学习对半监督学习模型的训练方法进行了优化，提升了训练的效果、简化了训练的步骤、降低了训练的成本。
-
Patent Agency Ranking
公开(公告)号：CN119131182A
公开(公告)日：2024-12-13
申请号：CN202411163701.7
申请日：2024-08-23
Applicant: 北京大学
Abstract: 本发明公布了一种遥感影像中社区开放空间的层级联合制图方法及装置，包括：样本生成模块、分层映射模块和遮挡建模模块；通过开发层级社区开放空间样本自动化制作流程，制作空间统一的层级社区开放空间样本库；设计具有双分支层级制图架构LMA的层级遮挡感知模型；设计级联图模组CGM，用于表示地上元素对地面元素的遮挡过程，利用LMA的上层分支特征指导筛选下层分支特征，增强LMA的上下层分支间信息传递。本发明实现了基于深度学习的社区尺度层级开放空间的高精度提取，显著提升了对多层次、相互遮挡的开放空间元素的识别和制图能力。
-
公开(公告)号：CN112183444B
公开(公告)日：2024-02-13
申请号：CN202011096001.2
申请日：2020-10-14
Applicant: 北京大学
IPC: G06V20/10 , G06V10/764 , G06V10/26 , G06V10/762
Abstract: 本发明实施例提供的一种城市景观分类优化方法及装置、设备及介质，该方法包括S1：获取城市景观遥感影像，并基于城市景观遥感影像识别当前土地覆盖类型；S2：基于当前土地覆盖类型获得与所述城市景观遥感影像对应的当前空间结构类型；S3：基于当前空间结构类型确定与所述城市景观遥感影像对应的当前功能区类型；S4：利用当前功能区类型对当前土地覆盖类型进行反馈调整，得到新的当前土地覆盖类型，并进入步骤S2直到达到预设停止条件。通过利用识别到的功能区类型反馈对识别到的土地覆盖类型进行重新的调整识别，从而使得正向识别和反馈调整相结合，识别的结果更加准确，能够更加准确地对城市中的景观进行分类。
-
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：CN113723464A
公开(公告)日：2021-11-30
申请号：CN202110882078.0
申请日：2021-08-02
Applicant: 北京大学
Abstract: 本发明提供一种遥感影像分类方法及装置，包括：获取待分类影像对象；将待分类影像对象输入分类模型，得到所述分类模型输出的分类结果；其中，所述分类模型是基于样本影像对象的对象特征、深度特征及样本影像对象的类别标签训练得到的。通过基于样本影像对象的表征图像形状、空间等特征的对象特征，以及深度学习的深度特征训练分类模型，可以获得较好的模型训练效果，从而可以更好地获得待分类影像对象的分类结果，实现遥感影像的快速、精确分类，可应用于基于遥感影像的土地覆盖/利用制图。
-
公开(公告)号：CN113722884A
公开(公告)日：2021-11-30
申请号：CN202110852993.5
申请日：2021-07-27
Applicant: 北京大学
IPC: G06F30/20 , G06F119/08
Abstract: 本发明提供一种城市温度效应分析方法，包括：获取城市场景图像；根据所述城市场景图像建立城市场景层次化模型，其中，城市场景层次化模型通过定量特征集中的各特征定量地描述城市场景的异质性；按照预设筛选规则对所述城市场景层次化模型的定量特征集筛选出与城市地表温度相关的特征，得到城市场景的城市地表温度影响模式。通过层次建模城市场景，充分表达城市内部的异质性，并通过筛选出影响城市热场分布的场景特征变量，分析城市场景内的温度效应，结果可应用于旨在改善城市热环境、提升人居质量的城市规划与建设中，城市温度效应分析方法对城市规划与建设具有重要的指导意义，有助于改善城市热环境、提升人居质量。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.019 seconds)
