公开(公告)号：CN111695529B

公开(公告)日：2023-04-25

申请号：CN202010544700.2

申请日：2020-06-15

Applicant: 北京师范大学

Inventor： 余先川 ,  朱猛 ,  秦晋 ,  梁玉晨 ,  陈思莹 ,  闫瑞清

IPC: G06V20/00 ,  G06V10/82 ,  G06V10/44 ,  G06V10/46 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于人体骨骼关键点检测算法的X射线源检测方法，属于天体源的发现、识别技术领域，包括以下步骤：S10、基于卷积神经网络构建X射线源检测网络；X射线源检测网络包括依次设置的定位网络、局部极大值提取算法、关键点区域特征提取算法和强度预测网络；S20、使用宽视场巡天望远镜观测图像训练样本对X射线源检测网络进行训练；S30、将待识别的宽视场巡天望远镜观测图像输入训练完成的X射线源检测网络，得到待识别的宽视场巡天望远镜观测图像的流量强度预测值。本发明能够从观测图像中排除噪声提取出源的数据信息，支持延展源，具有对距离相近的源分辨能力；同时，在测试数据上定位准确率和召回率均能达到99％以上。

公开(公告)号：CN111695636A

公开(公告)日：2020-09-22

申请号：CN202010543653.X

申请日：2020-06-15

Applicant: 北京师范大学

Inventor： 余先川 ,  秦晋 ,  朱猛 ,  梁玉晨 ,  黄涛 ,  姚旺 ,  王昊

IPC: G06K9/62 ,  G06K9/34 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的高光谱图像分类方法，包括：S1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；S2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；S3：将所述超像素构建图数据，相邻超像素构建边；S4：利用图神经网络模型对所述图数据进行训练，得到分类结果；本发明提高最终分类结果的精度和效果。

公开(公告)号：CN111695529A

公开(公告)日：2020-09-22

申请号：CN202010544700.2

申请日：2020-06-15

Applicant: 北京师范大学

Inventor： 余先川 ,  朱猛 ,  秦晋 ,  梁玉晨 ,  陈思莹 ,  闫瑞清

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于人体骨骼关键点检测算法的X射线源检测方法，属于天体源的发现、识别技术领域，包括以下步骤：S10、基于卷积神经网络构建X射线源检测网络；X射线源检测网络包括依次设置的定位网络、局部极大值提取算法、关键点区域特征提取算法和强度预测网络；S20、使用宽视场巡天望远镜观测图像训练样本对X射线源检测网络进行训练；S30、将待识别的宽视场巡天望远镜观测图像输入训练完成的X射线源检测网络，得到待识别的宽视场巡天望远镜观测图像的流量强度预测值。本发明能够从观测图像中排除噪声提取出源的数据信息，支持延展源，具有对距离相近的源分辨能力；同时，在测试数据上定位准确率和召回率均能达到99％以上。

公开(公告)号：CN111695636B

公开(公告)日：2023-07-14

申请号：CN202010543653.X

申请日：2020-06-15

Applicant: 北京师范大学

Inventor： 余先川 ,  秦晋 ,  朱猛 ,  梁玉晨 ,  黄涛 ,  姚旺 ,  王昊

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/58 ,  G06V10/26 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的高光谱图像分类方法，包括：S1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；S2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；S3：将所述超像素构建图数据，相邻超像素构建边；S4：利用图神经网络模型对所述图数据进行训练，得到分类结果；本发明提高最终分类结果的精度和效果。

公开(公告)号：CN110807400A

公开(公告)日：2020-02-18

申请号：CN201911034777.9

申请日：2019-10-29

Applicant: 北京师范大学

Inventor： 余先川 ,  梁玉晨 ,  秦晋 ,  张应刚

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明为一种基于孪生网络的崩塌隐患特征信息提取方法，解决了如何从多源信息数据中有效提取崩滑隐患特征的问题。本发明提出的技术方案首先融合坡度，遥感等数据，之后将多源数据送入孪生网络中训练，孪生网络包括两个输入，一个输出，训练网络时将标记为含有崩塌隐患的图片和标记为不含有崩塌隐患的图片随机配对，然后将成对的数据对送入网络训练，网络的输出为两张照片是否是同类，网络收敛后即认为网络已经训练好，最后将待检测的图片送入训练好的网络，得到未知图片在网路中提取的特征向量。本发明可以为崩塌隐患的自动检测提供输入特征，可以有效的提高崩塌隐患自动检测的准确度和效率。

公开(公告)号：CN110807399A

公开(公告)日：2020-02-18

申请号：CN201911034612.1

申请日：2019-10-29

Applicant: 北京师范大学

Inventor： 余先川 ,  秦晋 ,  梁玉晨 ,  张应刚

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明为一种可以解决崩滑隐患样本数据存在的不确定性问题以及正负样本的不均衡性问题，基于单一类别支持向量机的崩滑隐患点检测方法，本发明的技术方案首先融合多种类型的数据，之后再通过训练单一类别支持向量机模型，得到已知存在崩滑隐患的样本点数据的支持向量域，最后再通过计算未知类别的采样样本点与支持向量域之间的距离，从而判断样本数据是否存在崩滑隐患。本发明的技术方案可以解决崩滑检测问题中存在的数据类别不确定性和正负样本的不均衡性，并综合利用多种类型数据的特征，来有效的检测存在的崩滑隐患。