-
公开(公告)号：CN118428413A
公开(公告)日：2024-08-02
申请号：CN202410876209.8
申请日：2024-07-02
Applicant: 南京信息工程大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/40
Abstract: 本发明公开一种用于估算地表水含量的深度学习模型及应用，属于GNSS‑R微波遥感技术领域；模型包括：上下文模块、Swin Transformer编码器、解码器以及Head模块；所述上下文模块从输入数据中提取浅层特征，编码器能理解图像的全局结构和局部细节，捕获遥感任务所需的空间关系，提取图像的底层特征；解码器整合编码器提取的底层特征获得特征图；Head模块将通过上下文模块提取的浅层特征与从所述特征图逐渐整合的层级式特征融合；利用GNSS‑R数据对水体的高敏感性进行回归估计，并结合地形因素、植被信息、土壤湿度和经纬度数据，最终生成地表水含量估算结果。
-
Patent Agency Ranking
公开(公告)号：CN119273597A
公开(公告)日：2025-01-07
申请号：CN202411794590.X
申请日：2024-12-09
Applicant: 南京信息工程大学
IPC: G06T5/80
Abstract: 本发明公开了基于自适应平衡L1‑L2范数正则化的影像几何定位方法及系统，涉及空间数据处理技术领域，包括以下步骤：获取遥感卫星影像数据，对遥感卫星影像数据进行辐射和几何校正，并采用SIFT和RANSAC方法进行影像匹配，得到处理后的遥感卫星影像数据；基于自适应平衡L1‑L2范数正则化方法对处理后的遥感卫星影像数据进行修正处理，从而解算出关键定位参数，提高重投影精度和几何定位精度。
-
公开(公告)号：CN114118565A
公开(公告)日：2022-03-01
申请号：CN202111396427.4
申请日：2021-11-23
Applicant: 南京信息工程大学
Abstract: 本发明涉及水文、海洋技术领域，尤其是一种基于双向长短时记忆耦合模型的日径流预报方法，现提出如下方案，其包括对于目标区域内的每一个径流观测站点均建立不同的遥相关因子和降雨站点数据的联系，筛选出影响降雨站点数据的最终遥相关因子；将BiLSTM及Encoder‑Decoder模型耦合形成BiLSTM‑ED模型，将所述最终遥相关因子输入BiLSTM‑ED模型，预测未来多时间步长的降雨站点数据；计算目标区域的水文气象因子与径流之间的相关关系，筛选出影响径流的水文气象因子作为预报因子；建立日径流预报模型，将所述降雨站点数据和预报因子输入日径流预报模型，预测未来多个时间步长的径流信息。本发明通过双向长短时记忆模型的构建，提供了未来多时间步长的、高精度的日径流预报方法。
-
公开(公告)号：CN118429725B
公开(公告)日：2024-09-24
申请号：CN202410864544.6
申请日：2024-07-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/20 , G06V20/10 , G06N3/0455 , G06V10/46 , G06V10/774
Abstract: 本发明公开一种用于土壤湿度反演的深度学习框架，属于GNSS‑R微波遥感领域；一种用于土壤湿度反演的深度学习框架包括：ResNet34编码器、解码器和ViT模块；ResNet34编码器捕获输入图像的多尺度和分层特征，并能够随着图层的逐渐加深来学习复杂的特征，最终形成可用于遥感图像分析的多尺度特征图；解码器遵循自下而上的方式，对最低分辨率的特征图进行上采样开始，并结合ViT模块来获取特征中的编码器特征图细节；ViT模块提取多尺度空间土壤湿度特征并捕获长程依赖关系。
-
公开(公告)号：CN118428413B
公开(公告)日：2024-09-13
申请号：CN202410876209.8
申请日：2024-07-02
Applicant: 南京信息工程大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/766 , G06V10/80 , G06V10/82 , G06V10/40
Abstract: 本发明公开一种用于估算地表水含量的深度学习模型及应用，属于GNSS‑R微波遥感技术领域；模型包括：上下文模块、Swin Transformer编码器、解码器以及Head模块；所述上下文模块从输入数据中提取浅层特征，编码器能理解图像的全局结构和局部细节，捕获遥感任务所需的空间关系，提取图像的底层特征；解码器整合编码器提取的底层特征获得特征图；Head模块将通过上下文模块提取的浅层特征与从所述特征图逐渐整合的层级式特征融合；利用GNSS‑R数据对水体的高敏感性进行回归估计，并结合地形因素、植被信息、土壤湿度和经纬度数据，最终生成地表水含量估算结果。
-
公开(公告)号：CN118429725A
公开(公告)日：2024-08-02
申请号：CN202410864544.6
申请日：2024-07-01
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/20 , G06V20/10 , G06N3/0455 , G06V10/46 , G06V10/774
Abstract: 本发明公开一种用于土壤湿度反演的深度学习框架，属于GNSS‑R微波遥感领域；一种用于土壤湿度反演的深度学习框架包括：ResNet34编码器、解码器和ViT模块；ResNet34编码器捕获输入图像的多尺度和分层特征，并能够随着图层的逐渐加深来学习复杂的特征，最终形成可用于遥感图像分析的多尺度特征图；解码器遵循自下而上的方式，对最低分辨率的特征图进行上采样开始，并结合ViT模块来获取特征中的编码器特征图细节；ViT模块提取多尺度空间土壤湿度特征并捕获长程依赖关系。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
