-
公开(公告)号：CN116630610A
公开(公告)日：2023-08-22
申请号：CN202310146864.3
申请日：2023-02-21
Applicant: 东南大学
Abstract: 本发明公开了基于语义分割模型和条件随机场的ROI区域提取方法，包括以下步骤：获取遥感影像初始数据集，得到遥感影像数据集；对遥感影像数据集进行预处理；将预处理后的遥感影像数据集按照一定的比例划分为训练数据集、验证数据集；建立改进的BCNet语义分割模型，利用训练集训练各变量值，利用验证集验证准确度，得到最佳的初步语义分割模型；将待预测ROI区域图像输入训练好的语义分割模型，得到ROI区域预测概率图，采用平均场算法推断出各像素标签得到最终的语义分割结果，输出ROI区域。本发明能有效针对遥感图像目标尺度不一致，目标区域的条状部位在深度卷积神经网络中进行特征提取时，小目标特征逐渐遗失等问题，同时获得更高的分割精度。
-
公开(公告)号：CN115761545A
公开(公告)日：2023-03-07
申请号：CN202211474485.9
申请日：2022-11-23
Applicant: 东南大学
IPC: G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的林木种类和数量识别方法和系统，包括以下步骤：1）对待调查的森林样地进行数据采集，获取覆盖整个样地场景的林木图像并制作训练集；2）构建CBC‑YOLOV5目标检测模型，利用训练集训练构建的模型；3）利用训练好的CBC‑YOLOV5目标检测模型处理相机实时采集到的林木图像，对识别的结果进一步处理，得到样地林木的种类和数量。本发明解决了目前森林资源调查过程中人工依赖性大，成本高，调查效率低，周期长，调查结果的准确性无法验证等问题，从而提高森林林木资源调查的效率和准确性，降低森林资源的调查成本。
-
公开(公告)号：CN110963033A
公开(公告)日：2020-04-07
申请号：CN201911241354.4
申请日：2019-12-06
Applicant: 东南大学
Abstract: 本发明公开了一种无人机悬停机构及悬停吸附方法。无人机悬停机构包括储存有待搬运货物的无人车以及能够将待搬运货物运送至目的地的无人机，无人机包括起落架（39），无人车的车顶设置有停机坪（7），停机坪（7）上设置有磁性机构A，起落架（39）的端部设有磁性机构B；磁性机构A在通电的情况下与磁性机构B之间能够产生磁吸力，且磁性机构A与磁性机构B之间所具有的磁吸力能够确保无人机稳停在停机坪（7）上；磁性机构A在断电的情况下，磁性机构A与磁性机构B之间的磁吸力消失。由此可知，本发明通过特定的磁吸结构，实现无人机在无人车车顶上的停靠，提高无人机停靠的稳定性，操作简单便利，设计新颖。
-
公开(公告)号：CN116703818A
公开(公告)日：2023-09-05
申请号：CN202310397408.6
申请日：2023-04-13
Applicant: 东南大学
IPC: G06T7/00 , G06T5/00 , G06T3/40 , G06T7/33 , G06T5/50 , G06T3/00 , G06T7/194 , G06T7/187 , G06T7/62 , G06T7/136
Abstract: 本发明公开了一种光伏组件表面热斑故障快速检测方法，解决了传统的光伏热斑检测方式成本高、检测准确率低以及效率低等问题，以光伏热斑检测为背景，采用无人机对光伏阵列组件进行图像采集，提高了在复杂环境下采集光伏阵列表面图像的质量和效率。在基于常规数字图像处理方法的基础上，进行图像预处理后，采用基于尺度不变特征转换的方法对若干幅具有相关性和重叠部分的图像进行拼接，并提出了将双三次插值算子与大津最大类方差阈值法结合的算法应用至图像分割过程，提高了图像分割效率。
-
公开(公告)号：CN116152494A
公开(公告)日：2023-05-23
申请号：CN202310142121.9
申请日：2023-02-21
Applicant: 东南大学
IPC: G06V10/26 , G06V10/774 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于两阶段3D点云语义分割的建筑物脚点识别分割方法，包括以下步骤：获取目标场景的三维点云数据；运用布料模拟地面滤波CSF算法做点云地面滤波处理，从原始点云中分离出地面点云与地物点云，在获取非地面点后，结合r半径搜索判断邻域点以及回波次数进行植被点剔除；设定阈值快速注意力欧式聚类，得到每个点所属的点云簇，并得到高质量的候选点云簇；预处理所述点云簇，使用三维点云训练集训练改进的PointNet++语义分割神经网络模型；将待测点云输入训练好的改进的PointNet++语义分割神经网络模型，得到建筑物脚点点云的分割结果。本发明有效解决了当前建筑物重建噪点多、传统算法效率低、深度网络结构精度不高以及训练成本问题。
-
Patent Agency Ranking
公开(公告)号：CN112785584B
公开(公告)日：2022-05-27
申请号：CN202110138171.0
申请日：2021-02-01
Applicant: 东南大学
Abstract: 本发明公开了一种基于EVI和GHS‑POP数据的夜间灯光数据校正方法，包括以下步骤：步骤1)读取待校正的DMSP/OLS、NPP/VIIRS影像、EVI影像和GHS‑POP影像；步骤2)对DMSP/OLS影像进行相互校正；步骤3)对DMSP/OLS影像进行饱和校正；步骤4)对饱和校正后的DMSP/OLS夜间灯光影像进行年内融合；步骤5)对经年内融合后的DMSP/OLS影像进行年际校正；步骤6)得到稳定的年度NPP/VIIRS夜间灯光影像；步骤7)获取长时间序列的夜间灯光数据。本发明可在对饱和区域校正的同时保留非饱和区域的真实信息；能够较好的改善单一指数校正导致的空间差异性不明显问题；可得到长时间序列的夜间灯光影像，来分析区域的经济发展情况、城市扩张情况等。
-
公开(公告)号：CN107391124B
公开(公告)日：2020-06-16
申请号：CN201710530045.3
申请日：2017-06-30
Applicant: 东南大学
IPC: G06F8/75
Abstract: 本发明公开了一种基于黄金分割搜索及软件执行轨迹的条件切片方法，根据给定的一阶谓词逻辑集，在符合条件的区间内，根据黄金分割搜索法选取变量值作为程序动态运行的输入，通过程序多次运行的执行轨迹集合计算得到相应的语句覆盖集，以此为基础，结合程序的静态切片，计算得到程序的条件切片。由于该方法不需要程序的全局分析，提高了效率，且空间复杂度较低，此外程序的执行轨迹获取方便，不受程序类型的影响，使得该方法可应用于过程间、面向对象、并发程序。
-
公开(公告)号：CN107391124A
公开(公告)日：2017-11-24
申请号：CN201710530045.3
申请日：2017-06-30
Applicant: 东南大学
IPC: G06F9/44
Abstract: 本发明公开了一种基于黄金分割搜索及软件执行轨迹的条件切片方法，根据给定的一阶谓词逻辑集，在符合条件的区间内，根据黄金分割搜索法选取变量值作为程序动态运行的输入，通过程序多次运行的执行轨迹集合计算得到相应的语句覆盖集，以此为基础，结合程序的静态切片，计算得到程序的条件切片。由于该方法不需要程序的全局分析，提高了效率，且空间复杂度较低，此外程序的执行轨迹获取方便，不受程序类型的影响，使得该方法可应用于过程间、面向对象、并发程序。
-
公开(公告)号：CN112505737B
公开(公告)日：2024-03-01
申请号：CN202011281769.7
申请日：2020-11-16
Applicant: 东南大学
IPC: G01S19/47 , G01C21/16 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于Elman神经网络在线学习辅助的GNSS/INS组合导航方法，包括两部分：（1）、实现基于常规的GNSS/MEMS‑INS组合导航算法，设计卡尔曼滤波器对GNSS信号和惯性导航的数据进行融合，输出融合后的导航数据；2）、在步骤（1）的基础上设计神经网络模型，然后将步骤（1）得到的惯性导航数据和卡尔曼滤波器输出的数据，分别作为训练神经网络的样本输入和样本输出，对神经网络模型进行训练，本发明在无人机导航系统GNSS信号丢失的情况下预测惯性导航系统的输出误差，并用该误差数据对惯性导航系统的输出进行补偿和修正，以实现导航系统在GNSS信号丢失的情况下，惯性导航系统能在神经网络算法的辅助下输出精确的导航数据。
-
公开(公告)号：CN116543298A
公开(公告)日：2023-08-04
申请号：CN202310347368.4
申请日：2023-03-30
Applicant: 东南大学
IPC: G06V20/10 , G06V20/70 , G06V10/82 , G06V10/40 , G06N3/08 , G06V10/774 , G06V10/764 , G06N3/0464
Abstract: 本发明公开了一种基于分形几何特征和边缘监督的遥感影像建筑物提取方法，包括以下步骤：获取大量遥感图像数据构建影像数据集，获取每幅遥感影像对应的建筑物二值图标签即为真实标签；得到大量样本数据，并将所有样本按比例划分为训练集、验证集和测试集；利用训练集样本中的图像作为FB‑Unet网络的输入，训练集样本中的标签作为FB‑Unet网络的真值标签，对FB‑Unet网络进行训练，训练完成后得到建筑物提取网络FB‑Unet模型；将待进行建筑物提取的遥感影像输入到训练好的建筑物提取网络FB‑Unet模型中，提取遥感影像中建筑物的语义特征，得到遥感影像对应的逐像素预测结果。本发明解决了建筑物边缘保留不完整，对不规则建筑物的提取效果差的问题。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
