-
公开(公告)号：CN115546649B
公开(公告)日：2023-04-18
申请号：CN202211306355.4
申请日：2022-10-24
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/82 , G06V10/26 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种单视遥感影像高度估计和语义分割多任务预测方法，其方法包括：A、构建多任务网络模型；B、采集高分辨率光学遥感影像样本并得到样本数据集；C、将样本数据集中的光谱空间特征影像块输入多任务网络模型中；D、采集待预测的高分辨率光学遥感影像并裁剪成光谱空间特征影像块输入训练后的多任务网络模型，分别加权计算得到高度估计预测结果DSM和语义分割预测结果SS。本发明多尺度残差及可变形卷积网络能够实现多尺度特征提取，并能克服各类地物的复杂、异质和尺度差异大等问题，DSM数据与语义分割生成网络分别利用混合特征和优选特征进行DSM数据估计与语义分割，最终得到高精度的地物DSM估计结果与语义分割结果。
-
公开(公告)号：CN114898089A
公开(公告)日：2022-08-12
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：CN114549972A
公开(公告)日：2022-05-27
申请号：CN202210050976.4
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种露天矿采场提取方法、装置、设备、介质及程序产品，包括：获取露天采场的待检测遥感影像，并对待检测遥感影像进行降采样；将降采样后的待检测遥感影像输入至Faster R‑CNN，得到露天采场的矩形范围信息；基于矩形范围信息，在待检测遥感影像上进行截取，得到影像块，并在影像块上叠加NDVI和RRI波段得到具有红、绿、蓝、近红、NDVI、RRI六个波段的待提取影像；将待提取影像输入至改进的U‑Net网络，得到露天采场提取结果。本发明用以解决现有技术中消耗计算机内存和运行时间，以及识别露天矿采场的精度低的缺陷，实现了提升定位和提取的计算效率和精度。
-
公开(公告)号：CN113887459B
公开(公告)日：2022-03-25
申请号：CN202111185384.5
申请日：2021-10-12
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明公开了一种基于改进Unet++的露天矿区采场变化区域检测方法，其方法如下：A、获取至少两个年份的采场样本数据集，采场样本数据集中的数据为露天矿区采场的高分辨率遥感影像；B、基于Pytorch设计构建改进的Unet++网络模型，Unet++网络模型以Unet++作为基础网络结构，引入可变形卷积模块和CBAM注意力机制模块，CBAM注意力机制模块包括通道注意力模块和空间注意力模块；C、Unet++网络模型训练：利用训练数据集对Unet++网络模型进行训练并得到训练后的Unet++网络模型。本发明将多尺度可变形卷积引入Unet++网络模型并用于露天矿区场景特征提取，提高了鲁棒性与识别精度；通过在可变形卷积Unet++网络中加入深度学习注意力机制，增强模型对实质性变化类特征的学习与敏感程度。
-
公开(公告)号：CN119851018A
公开(公告)日：2025-04-18
申请号：CN202411914219.2
申请日：2024-12-24
Applicant: 中国矿业大学(北京)
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V10/26 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种面向大区域风力发电机识别的多任务学习方法，包括：构建增强的特征融合模块，引入阴影特征和线性手工特征增强深度视觉特征，利用风力发电机的空间分布，增强对重要区域的关注。融合后特征进行场景分类和目标检测的多任务学习，构建地理空间约束条件下的二分类模型进行场景分类，引入土地利用数据提高场景分类的精度，降低大范围检测过程中的误检率，提升检测速度。通过增量学习模块引导浅层特征学习，提升小目标检测效果。基于自制数据集训练模型，进行大范围场景下的风力发电机多任务学习。能提高大范围场景中风力发电机识别定位的速度和精度，为风电能源发展提供可靠依据，评估环境影响，保证风电能源可持续友好发展。
-
Patent Agency Ranking
公开(公告)号：CN117351359B
公开(公告)日：2024-06-21
申请号：CN202311378728.3
申请日：2023-10-24
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V20/17 , G06V10/774 , G06V10/44 , G06V10/776 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于改进Mask R‑CNN的矿区无人机影像沙棘识别方法及系统，其方法包括：S1、构建包括特征提取网络、注意力机制模块、RPN区域生成网络、检测头网络系统的改进Mask R‑CNN网络模型，特征提取网络对输入影像处理得到特征图P2～P6；S2、注意力机制模块对输入特征图加权处理得到特征图Q2～Q6；S3、RPN区域生成网络遍历特征图Q2～Q6每个像素点并得到候选目标区域RoIs；检测头网络系统经过识别与分割相结合的处理得到包含边界框、类别信息的特征图像；S4、采集研究区的正射影像输入训练后的改进Mask R‑CNN网络模型并得到所对应的特征图像。本发明提高了沙棘的识别效率和准确性，能够更可靠地捕捉和分析沙棘植被数据，为矿区沙棘的管理和维护提供有力支持。
-
公开(公告)号：CN117892053A
公开(公告)日：2024-04-16
申请号：CN202310870117.4
申请日：2023-07-14
Applicant: 中国矿业大学(北京)
IPC: G06F17/18 , G06F16/906 , G01D21/02
Abstract: 本发明公开了一种结合多目标规划生态系统碳储量遥感预测方法及系统，其方法包括：S1、将历史土地利用状态数据、规划土地利用状态数据输入MOP模型得出研究时刻所对应的土地利用状态数据A；S2、构建驱动因子邻域权重分析模型，驱动因子邻域权重分析模型从历史土地利用分析数据库提取土地利用转移矩阵，通过PLUS模型利用土地利用转移矩阵的驱动因子及邻域权重对土地利用状态数据A进行数据修正；S3、将土地利用状态数据B输入InVEST模型分别计算得到植被地上碳储量、植被地下碳储量、土壤表层碳储量以及总碳储量。本发明能够基于规划土地利用状态数据预估碳汇前景，实现土地利用与碳储量双因素时空变化下的生态系统碳储量评估预测。
-
公开(公告)号：CN117351359A
公开(公告)日：2024-01-05
申请号：CN202311378728.3
申请日：2023-10-24
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V20/17 , G06V10/774 , G06V10/44 , G06V10/776 , G06V10/766 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于改进Mask R‑CNN的矿区无人机影像沙棘识别方法及系统，其方法包括：S1、构建包括特征提取网络、注意力机制模块、RPN区域生成网络、检测头网络系统的改进Mask R‑CNN网络模型，特征提取网络对输入影像处理得到特征图P2～P6；S2、注意力机制模块对输入特征图加权处理得到特征图Q2～Q6；S3、RPN区域生成网络遍历特征图Q2～Q6每个像素点并得到候选目标区域RoIs；检测头网络系统经过识别与分割相结合的处理得到包含边界框、类别信息的特征图像；S4、采集研究区的正射影像输入训练后的改进Mask R‑CNN网络模型并得到所对应的特征图像。本发明提高了沙棘的识别效率和准确性，能够更可靠地捕捉和分析沙棘植被数据，为矿区沙棘的管理和维护提供有力支持。
-
公开(公告)号：CN114972989B
公开(公告)日：2023-01-10
申请号：CN202210547696.4
申请日：2022-05-18
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/774 , G06V10/80 , G06V10/40 , G06N3/04
Abstract: 本发明公开了一种基于深度学习算法的单幅遥感影像高度信息估算方法，其方法如下：A、基于TensorFlow搭建高度信息估算网络模型，采集遥感影像数据与nDSM数据进行配准、裁剪得到影像块，训练网络模型；B、将研究区影像裁剪为影像块并输入高度信息估算网络模型通过ResNet、DenseASPP模块、通道注意力机制模块、空间注意力机制跳跃连接模块和可变形卷积模块进行模型处理并输出高度估算结果。本发明高度信息估算网络模型先提取低层和深层特征，通过DenseASPP模块聚合语义特征，接着通过通道注意力机制模块捕获通道维度全局依赖关系，通过空间注意力机制跳跃连接模块构建跳跃连接聚合ResNet低层特征与多尺度高层特征，最后通过可变形卷积模块输出精度高、信息可靠的高度估算结果。
-
公开(公告)号：CN114549534B
公开(公告)日：2022-11-15
申请号：CN202210051023.X
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种矿区土地利用识别方法、装置、设备及介质，该方法包括：通过多尺度分割算法对待识别遥感影像进行面向对象分割，得到影像对象单元，并提取各影像对象的影像对象特征；将所述影像对象特征输入至影像对象特征优化网络，得到所述影像对象特征优化网络输出的优化后的影像对象特征；将所述影像对象单元输入至深度特征提取网络，得到所述深度特征提取网络输出的提取各影像对象的深度特征，其中，所述深度特征提取网络为改进的DenseNet网络；将所述优化后的影像对象特征和所述深度特征叠加后进行类别识别，得到矿区用地类型分类结果。本发明用以解决无法高精度识别矿区用地类型的缺陷，实现了提升矿区用地类型的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.023 seconds)
