-
公开(公告)号：CN119251682B
公开(公告)日：2025-05-16
申请号：CN202411451427.3
申请日：2024-10-17
Applicant: 中国科学院空天信息创新研究院 , 南京邮电大学
Abstract: 提供了一种多模态火烧迹地检测方法，适用于森林/草原火烧迹地检测技术领域。该方法包括：获取目标火烧迹地遥感观测数据，包括同一地区火灾前和火灾后的数据；对目标火烧迹地遥感观测数据进行特征提取，得到目标多维特征数据；以及将目标多维特征数据输入预先训练的目标语义分割模型中进行火烧迹地检测，得到火烧迹地检测数据，其中，目标语义分割模型能够处理多种模态的火烧迹地遥感观测数据；以及目标语义分割模型包括记忆缓冲区，以使模型能够持续学习，根据新的模态数据自适应更新和优化模型，以缓解灾难性遗忘问题。本发明还提供了一种多模态火烧迹地检测装置、设备及介质。
-
公开(公告)号：CN115527122A
公开(公告)日：2022-12-27
申请号：CN202211283221.5
申请日：2022-10-19
Applicant: 中国科学院空天信息创新研究院 , 南京邮电大学
Abstract: 本发明提供一种多源遥感时序数据的融合特征提取方法及装置，方法包括：将多源遥感时序数据样本的每个数据源输入对应的空间编码器，以提取每个数据源的空间特征向量序列；分别将每个数据源的空间特征向量序列输入同一个时间编码器，以提取每个数据源的第一时空特征向量；分别将每个数据源的第一时空特征向量输入同一个映射头进行降维，得到第二时空特征向量；根据多源遥感时序数据样本中每个数据源的第二时空特征向量，计算监督对比损失；利用监督对比损失对每个数据源输入对应的空间编码器的参数、时间编码器的参数和映射头的参数进行迭代训练，得到特征提取模型；利用特征提取模型对待处理的多源遥感时序数据进行特征提取，得到融合时空特征。
-
公开(公告)号：CN110991625B
公开(公告)日：2020-06-16
申请号：CN202010133968.7
申请日：2020-03-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于循环神经网络的地表异常现象遥感监测方法、装置，所述方法包括：将训练前段序列输入基于双向循环神经网络构建的编码器，得到用于表征训练前段序列全局信息的前段隐藏状态序列；依次向基于单层循环神经网络的解码器输入上一时刻的数值，使得依次得到对应于训练后段序列中的时刻的预测值；使用编码器‑解码器模型对未来时刻的观测地点进行预测。采用上述方案，可以挖掘历史序列整体上的变化规律并预测未来多个时刻的观测值，实现近实时异常监测、实时监控监管，同时所需的数据预处理及人工设定的经验参数较少，对实施者的经验和专业背景要求不高，适用于各种地理区域和土地覆被类型，方法可行性、稳健性和预测结果准确度较高。
-
公开(公告)号：CN119251682A
公开(公告)日：2025-01-03
申请号：CN202411451427.3
申请日：2024-10-17
Applicant: 中国科学院空天信息创新研究院 , 南京邮电大学
Abstract: 提供了一种多模态火烧迹地检测方法，适用于森林/草原火烧迹地检测技术领域。该方法包括：获取目标火烧迹地遥感观测数据，包括同一地区火灾前和火灾后的数据；对目标火烧迹地遥感观测数据进行特征提取，得到目标多维特征数据；以及将目标多维特征数据输入预先训练的目标语义分割模型中进行火烧迹地检测，得到火烧迹地检测数据，其中，目标语义分割模型能够处理多种模态的火烧迹地遥感观测数据；以及目标语义分割模型包括记忆缓冲区，以使模型能够持续学习，根据新的模态数据自适应更新和优化模型，以缓解灾难性遗忘问题。本发明还提供了一种多模态火烧迹地检测装置、设备及介质。
-
公开(公告)号：CN110992351B
公开(公告)日：2022-08-16
申请号：CN201911270414.5
申请日：2019-12-12
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于多输入卷积神经网络精神分裂症sMRI图像分类方法，包括：采集精神分裂症与正常人的结构磁共振成像影像数据；对sMRI图像数据进行预处理分别得到未做平滑处理和空间平滑后的灰质密度图像，并构建原始数据集；将原始数据集送入多输入卷积神经网络模型中训练，最后将sMRI影像数据输入到该多输入卷积神经网络模型中，最终输出分类结果。本发明将未做空间平滑处理和空间平滑后影像输入至多输入卷积神经网络中，可以弥补空间平滑中丢失的sMRI影像中的高频信息，同时由于未做平滑处理的图像中包含的噪声可增强卷积神经网络的泛化能力，能有效的解决精神分裂症sMRI图像分类中准确度不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN111931738B
公开(公告)日：2021-01-26
申请号：CN202011038698.8
申请日：2020-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于遥感影像的神经网络模型预训练方法、装置，所述方法包括：将观测地点的遥感影像按照时间排序得到包括原始值的时间序列；对时间序列添加环境模拟噪声；元素变换为观测编码向量后输入至神经网络模型，获取观测编码向量对应的隐藏状态向量；基于预测光谱值与对应的原始光谱值之间的误差，对神经网络模型进行训练；训练完毕后，将带有标签的遥感影像输入神经网络模型进行学习。采用上述技术方案，可以利用大量无标签样本初始化神经网络模型，降低神经网络模型对标记样本的依赖，提高神经网络模型学习的实用性；将添加环境模拟噪声之前的原始值作为训练目标，降低噪声对模型的干扰作用，提高模型的稳定性和分类结果的准确度。
-
公开(公告)号：CN111931738A
公开(公告)日：2020-11-13
申请号：CN202011038698.8
申请日：2020-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于遥感影像的神经网络模型预训练方法、装置，所述方法包括：将观测地点的遥感影像按照时间排序得到包括原始值的时间序列；对时间序列添加环境模拟噪声；元素变换为观测编码向量后输入至神经网络模型，获取观测编码向量对应的隐藏状态向量；基于预测光谱值与对应的原始光谱值之间的误差，对神经网络模型进行训练；训练完毕后，将带有标签的遥感影像输入神经网络模型进行学习。采用上述技术方案，可以利用大量无标签样本初始化神经网络模型，降低神经网络模型对标记样本的依赖，提高神经网络模型学习的实用性；将添加环境模拟噪声之前的原始值作为训练目标，降低噪声对模型的干扰作用，提高模型的稳定性和分类结果的准确度。
-
公开(公告)号：CN110992351A
公开(公告)日：2020-04-10
申请号：CN201911270414.5
申请日：2019-12-12
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于多输入卷积神经网络精神分裂症sMRI图像分类方法，包括：采集精神分裂症与正常人的结构磁共振成像影像数据；对sMRI图像数据进行预处理分别得到未做平滑处理和空间平滑后的灰质密度图像，并构建原始数据集；将原始数据集送入多输入卷积神经网络模型中训练，最后将sMRI影像数据输入到该多输入卷积神经网络模型中，最终输出分类结果。本发明将未做空间平滑处理和空间平滑后影像输入至多输入卷积神经网络中，可以弥补空间平滑中丢失的sMRI影像中的高频信息，同时由于未做平滑处理的图像中包含的噪声可增强卷积神经网络的泛化能力，能有效的解决精神分裂症sMRI图像分类中准确度不高的问题。
-
公开(公告)号：CN110991625A
公开(公告)日：2020-04-10
申请号：CN202010133968.7
申请日：2020-03-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于循环神经网络的地表异常现象遥感监测方法、装置，所述方法包括：将训练前段序列输入基于双向循环神经网络构建的编码器，得到用于表征训练前段序列全局信息的前段隐藏状态序列；依次向基于单层循环神经网络的解码器输入上一时刻的数值，使得依次得到对应于训练后段序列中的时刻的预测值；使用编码器-解码器模型对未来时刻的观测地点进行预测。采用上述方案，可以挖掘历史序列整体上的变化规律并预测未来多个时刻的观测值，实现近实时异常监测、实时监控监管，同时所需的数据预处理及人工设定的经验参数较少，对实施者的经验和专业背景要求不高，适用于各种地理区域和土地覆被类型，方法可行性、稳健性和预测结果准确度较高。
-
公开(公告)号：CN115120238A
公开(公告)日：2022-09-30
申请号：CN202210620851.0
申请日：2022-06-02
Applicant: 南京邮电大学
IPC: A61B5/16 , A61B5/055 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于联邦学习多中心首发精神分裂症患者的识别方法、装置及系统，基于多中心个性化联邦学习的客户端‑服务器体系；各客户端采集首发精神分裂症患者与正常人群的脑部T1图像数据，对脑部T1影像数据进行预处理，将预处理后的图像保存在本地联邦学习客户端；构建用于首发精神分裂症识别的3D卷积神经网络模型，保存在联邦学习服务端；各客户端利用各自的数据训练从联邦学习服务端下载的初始模型，并将训练后的模型参数反馈至联邦学习服务端，联邦学习服务端接受反馈后对所述模型进行训练并得到训练好的模型；输入预处理后的待检测的脑部T1图像数据，利用训练好的模型来识别是否为首发精神分裂症患者。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.029 seconds)
