公开(公告)号：CN116758432A

公开(公告)日：2023-09-15

申请号：CN202310625316.9

申请日：2023-05-30

Applicant: 西南交通大学

Inventor： 张晓博 ,  杨笑天 ,  姚科汶 ,  邓方禺 ,  方郅杰 ,  薛少鸿 ,  任宇航

IPC: G06V20/13 ,  G06V20/17 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/092 ,  G06N3/0985

Abstract: 本发明公开了一种基于改进Resnet神经网络的自然地质灾害分类识别方法及系统，包括如下步骤：采集图像数据：获取遥感图像或者无人机拍摄的地质灾害地区图像数据；构建数据集：对图像数据进行标注、数据增强后构建自然灾害图像数据集，并按照8：1：1的比例划分训练集，验证集，测试集；构建Resnet‑CS模型：对Resnet神经网络模型进行改进，得到Resnet‑CS模型；训练Resnet‑CS模型：将数据集数据输入到Resnet‑CS模型中进行训练，得到最优模型；地质灾害分类识别：将待测图像数据输入训练好的最优模型，得到预测分类结果。通过本发明方法用于对遥感图像进行分类识别以及预测，能对多种自然灾害包括地震，洪水，野火、火山爆发等进行有效的识别，大大提升了多分类问题的准确率。

公开(公告)号：CN115100041A

公开(公告)日：2022-09-23

申请号：CN202210793571.X

申请日：2022-07-05

Applicant: 西南交通大学

Inventor： 赵小乐 ,  张笑铭 ,  李天瑞 ,  张晓博

IPC: G06T3/40 ,  G06V10/80 ,  G06V10/40 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种非残差结构的极深图像超分辨率重建网络模型及方法，其网络的整体结构包括网络头部、网络主干、网络尾部三部分；网络头部用于提取输入低分辨率图像的浅层特征；网络主干由16个特征通道并联组通过自适应权重再相互通道并联的方式串联组成，经过16个特征通道并联组推理的图像特征张量将经过全局自适应特征融合的集成，集成后的信息会依次通过两个不同核的普通卷积层；网络尾部用于聚合网络提取的浅层特征和深层特征，并集成回RGB三个通道得到最后放大的超分辨图像。本发明的网络模型使用了不含残差学习的恒等映射的通道并联，实现层与层之间的跳跃连接，解决了深度学习算法中网络模型设计过大过深后难以训练等问题。