-
公开(公告)号：CN109472283B
公开(公告)日：2022-02-01
申请号：CN201811067217.9
申请日：2018-09-13
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种基于多重增量回归树模型的危险天气事件预测方法和装置。该方法的步骤包括：1)读取气象观测历史资料，将气象特征数据和危险天气事件记录作为样本数据集；2)根据样本数据集建立训练数据矩阵和验证数据矩阵；3)设置多重增量回归树模型的模型参数；4)输入训练数据矩阵和验证数据矩阵，对多重增量回归树模型进行训练，得到训练完成的多重增量回归树模型；5)向训练完成的多重增量回归树模型输入预测数据矩阵，得到未来危险天气事件的发生概率。本发明能够显著提高对危险天气事件的预报准确率。
-
Patent Agency Ranking
公开(公告)号：CN112464745B
公开(公告)日：2023-07-07
申请号：CN202011239567.6
申请日：2020-11-09
Applicant: 中国科学院计算机网络信息中心
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/13
Abstract: 本发明公开了一种基于语义分割的地物识别与分类方法和装置。本方法为：1)获取各区域的多源遥感数据，将同一区域的数据合并为一个样本，得到一样本集；2)建立语义分割模型；然后利用样本集对模型进行训练；语义分割模型由编码器、中心模块和解码器串联组成；编码器由N个编码模块串联组成，解码器由N个解码模块和一个点卷积模块串联组成，中心模块由卷积模块C1、卷积模块C2串联组成；每个编码模块El由卷积模块El1、卷积模块El2和下采样模块DSl串联组成，每个解码模块Dl由上采样模块USl、卷积模块Dl2、卷积模块Dl1和卷积模块Dl0串联组成；3)利用训练后的模型对待识别遥感数据处理，得到地物类型的识别结果。
-
公开(公告)号：CN114399686A
公开(公告)日：2022-04-26
申请号：CN202111421623.2
申请日：2021-11-26
Applicant: 中国科学院计算机网络信息中心
IPC: G06V20/13 , G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明涉及一种基于弱监督学习的遥感图像地物识别与分类方法和装置。该方法包括：读取部分标注的多源遥感图像，构建标注样本数据集和未标注样本数据集；建立标注训练集和标注验证集；建立教师模型和学生模型；对教师模型进行预训练；根据训练完成的教师模型得到未标注数据的预测结果，作为伪标签；读取未标注样本数据集和伪标签，构建伪标注训练集；输入标注训练集、标注验证集和伪标注训练集，进行随机数据增强，对学生模型进行训练；向训练完成的学生模型输入预测数据集，得到地物识别与分类的结果。本发明使用部分标注的多源遥感图像建立机器学习模型，使用所建立的模型对地物类型进行识别，能够显著提高地物要素识别和分类的准确率。
-
公开(公告)号：CN114550000A
公开(公告)日：2022-05-27
申请号：CN202210006083.X
申请日：2022-01-05
Applicant: 中国科学院计算机网络信息中心
IPC: G06V20/13 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于多分辨率特征融合的遥感图像分类方法和装置。该方法包括：读取多源遥感图像，构建样本数据集；根据样本数据集建立训练数据集和验证数据集；建立基于多分辨率特征融合的遥感图像地物分类模型，并设置模型参数；输入训练数据集和验证数据集，进行随机数据增强，对遥感图像地物分类模型进行训练，得到训练完成的遥感图像地物分类模型；向训练完成的遥感图像地物分类模型输入预测数据集，得到地物要素分类结果。本发明针对高分辨率遥感图像进行优化，通过使用多分辨率特征融合，并使用前置激活的卷积模块与注意力模块串联作为模型的基本编码单元，能够有效地提高地物要素的识别能力和分类准确度。
-
公开(公告)号：CN112464745A
公开(公告)日：2021-03-09
申请号：CN202011239567.6
申请日：2020-11-09
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种基于语义分割的地物识别与分类方法和装置。本方法为：1)获取各区域的多源遥感数据，将同一区域的数据合并为一个样本，得到一样本集；2)建立语义分割模型；然后利用样本集对模型进行训练；语义分割模型由编码器、中心模块和解码器串联组成；编码器由N个编码模块串联组成，解码器由N个解码模块和一个点卷积模块串联组成，中心模块由卷积模块C1、卷积模块C2串联组成；每个编码模块El由卷积模块El1、卷积模块El2和下采样模块DSl串联组成，每个解码模块Dl由上采样模块USl、卷积模块Dl2、卷积模块Dl1和卷积模块Dl0串联组成；3)利用训练后的模型对待识别遥感数据处理，得到地物类型的识别结果。
-
公开(公告)号：CN109472283A
公开(公告)日：2019-03-15
申请号：CN201811067217.9
申请日：2018-09-13
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明涉及一种基于多重增量回归树模型的危险天气事件预测方法和装置。该方法的步骤包括：1)读取气象观测历史资料，将气象特征数据和危险天气事件记录作为样本数据集；2)根据样本数据集建立训练数据矩阵和验证数据矩阵；3)设置多重增量回归树模型的模型参数；4)输入训练数据矩阵和验证数据矩阵，对多重增量回归树模型进行训练，得到训练完成的多重增量回归树模型；5)向训练完成的多重增量回归树模型输入预测数据矩阵，得到未来危险天气事件的发生概率。本发明能够显著提高对危险天气事件的预报准确率。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
