-
公开(公告)号：CN116883894A
公开(公告)日：2023-10-13
申请号：CN202310783052.X
申请日：2023-06-29
Applicant: 南湖实验室
IPC: G06V20/40 , G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明提供了一种多模态信息融合的视频暴力行为检测方法、系统及设备，涉及计算机视觉领域。该方法包括：获取不同来源以及不同角度的视频对视频进行划分，生成视频片段；采用弱监督标记方式，将存在暴力行为的视频片段标记为暴力视频，制作弱标签；将待检测视频输入至根据具有弱标签的视频片段训练弱监督视频暴力行为检测模型得到的暴力行为检测模型中，识别待检测视频中的暴力行为；弱监督视频暴力行为检测模型包括结合图卷积、多尺度机制以及图LSTM结构的三分支多模态信息优化器；三分支多模态信息优化器提取所述视频片段中的RGB特征、光流特征以及音频特征。本发明能够降低样本采集难度以及采集成本，实现多模态信息融合。
-
公开(公告)号：CN114419464B
公开(公告)日：2022-07-26
申请号：CN202210315345.0
申请日：2022-03-29
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于深度学习的孪生网络变化检测模型，包括用于获取差异图像的双分支计算模型，所述的双分支计算模型包括孪生网络、第二分支卷积网络和上采样卷积网络，所述的孪生网络用于分别提取两个时相的时相特征图，第二分支卷积网络用于根据两个时相特征图及两个时相特征图的差值特征图计算差异特征图，所述的上采样卷积网络用于将差异特征图进行上采样和/或反卷积操作得到差异图像。本发明对ResNet18模型进行改造建立孪生网络ResAtNet用于变化检测场景，通过双分支差异特征图生成方法提高差异特征提取能力，模型可以适用于目标学习高维变化特征，无需专家知识选择合适的特征表达，自适应多种变化场景，对比其他现有模型，具有明显的精度优势。
-
公开(公告)号：CN117829423A
公开(公告)日：2024-04-05
申请号：CN202311872042.X
申请日：2023-12-29
Applicant: 南湖实验室
IPC: G06Q10/063 , G06Q50/26
Abstract: 本发明公开一种生态系统健康的分析方法、系统及电子设备，涉及生态健康技术领域，所述方法包括：确定目标区域的生态系统估算参数；生态系统估算参数包括：生态系统活力、生态系统组织力、生态系统恢复力和生态系统服务力；根据生态系统估算参数，计算目标区域的生态系统健康；获取目标区域中各研究单元的热点值；目标区域包括多个研究单元；基于所有研究单元的热点值，确定目标区域的生态系统健康热点分布图；获取目标区域的多个生态系统健康驱动因素；基于XGBoost关系模型和SHAP模型，确定各生态系统健康驱动因素对目标区域的生态系统健康的影响。本发明提高了生态系统健康的分析的准确性。
-
公开(公告)号：CN116824395A
公开(公告)日：2023-09-29
申请号：CN202310906846.0
申请日：2023-07-21
Applicant: 南湖实验室
IPC: G06V20/13 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于地学特征的滑坡提取方法、系统、设备及介质，涉及滑坡提取技术领域，该方法包括：采集待检测区域的遥感影像、数字高程模型和地形参数；将所述遥感影像、所述数字高程模型以及所述地形参数输入滑坡提取模型，输出滑坡提取结果；所述滑坡提取模型为根据训练集对深度卷积神经网络进行训练获得的，所述深度卷积神经网络中进行特征提取时，采用了空洞卷积和空间金字塔池化模块；根据所述滑坡提取结果和所述数字高程模型确定滑坡面积。本发明提高了滑坡提取的准确性。
-
公开(公告)号：CN116721274A
公开(公告)日：2023-09-08
申请号：CN202310034929.5
申请日：2023-01-10
Applicant: 南湖实验室
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种固态废弃物的识别方法、系统、设备及存储介质，涉及语义分割技术领域，所述方法包括：将目标图像输入第一分类模型中，得到第一类激活映射图和第二类激活映射图；根据第一类激活映射图，计算背景的第一目标类激活映射图；根据第一类激活映射图和第二类激活映射图，计算背景的第二目标类激活映射图；基于第一目标类激活映射图、第一类激活映射图、第二类激活映射图和第二目标类激活映射图，确定目标亲和力标签；将目标图像和目标亲和力标签输入至固态废弃物伪标签生成模型中，得到固态废弃物伪标签，从而训练全监督语义分割神经网络，得到目标固态废弃物识别模型，识别目标图像中的固态废弃物，提高了固体废弃物的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN114419464A
公开(公告)日：2022-04-29
申请号：CN202210315345.0
申请日：2022-03-29
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于深度学习的孪生网络变化检测模型，包括用于获取差异图像的双分支计算模型，所述的双分支计算模型包括孪生网络、第二分支卷积网络和上采样卷积网络，所述的孪生网络用于分别提取两个时相的时相特征图，第二分支卷积网络用于根据两个时相特征图及两个时相特征图的差值特征图计算差异特征图，所述的上采样卷积网络用于将差异特征图进行上采样和/或反卷积操作得到差异图像。本发明对ResNet18模型进行改造建立孪生网络ResAtNet用于变化检测场景，通过双分支差异特征图生成方法提高差异特征提取能力，模型可以适用于目标学习高维变化特征，无需专家知识选择合适的特征表达，自适应多种变化场景，对比其他现有模型，具有明显的精度优势。
-
公开(公告)号：CN116977778A
公开(公告)日：2023-10-31
申请号：CN202310738639.9
申请日：2023-06-20
Applicant: 南湖实验室
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种冰凌检测方法、系统、电子设备及介质，涉及遥感语义分割技术领域。所述方法包括将待预测河流遥感图像输入训练好的冰凌检测模型得到待预测河流遥感图像中的冰凌；训练好的冰凌检测模型以样本河流遥感图像为输入以样本河流遥感图像中的冰凌为输出对冰凌检测模型进行训练得到的；冰凌检测模型包括编码层、多头注意力层和解码层；编码层的输出端与多头注意力层的输入端以及解码层的输入端连接，多头注意力层的输出端与解码层的输入端连接；编码层包括：多个特征编码模块；特征编码模块为倒置残差结构且包括深度参数化卷积层；多头注意力层包括空间注意力特征机制和通道注意力特征机制。本发明可提高冰凌边缘检测的准确度。
-
公开(公告)号：CN116975342A
公开(公告)日：2023-10-31
申请号：CN202310921175.5
申请日：2023-07-25
Applicant: 南湖实验室
IPC: G06F16/535 , G06F16/54 , G06V20/13 , G06V10/26 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于数据湖的深度学习语义分割方法、系统及设备，涉及语义分割领域，该方法包括构建数据湖；在所述数据湖确定数据源、数据格式、数据层次结构以及存储介质；将遥感数据存储在数据湖中；并进行遥感数据可视化；从数据湖中检索遥感数据以及检索标注影像；利用检索得到的遥感数据以及相应的标注影像训练语义分割模型，得到遥感影像解译模型；利用遥感影像解译模型确定待预测的遥感数据的分类结果本发明能够提高深度学习方法对海量图像数据的处理效率。
-
公开(公告)号：CN115965838A
公开(公告)日：2023-04-14
申请号：CN202211612143.9
申请日：2022-12-14
Applicant: 南湖实验室
IPC: G06V10/778 , G06V10/82 , G06N3/0475 , G06N3/0464 , G06N3/0895 , G06N3/094
Abstract: 本发明公开了一种基于半监督学习的固废检测模型构建方法和固废检测方法，固废检测模型包括生成器和判别器，生成器基于输入的有标签影像特征图和无标签影像特征图输出预测结果，判别器基于生成器的预测结果和相应影像特征图的真实标签输出一致性判别结果，基于有标签影像特征图和无标签影像特征图的样本集组合，通过判别器与生成器的对抗训练使判别器学习到预测结果与真实标签的判别知识，生成器学习到基于输入的影像特征图识别固废目标的能力。通过半监督学习机制综合生成器和判别器提取未标记数据信息，采用融合损失来规范训练实现像素级预测，对标签的低需求量使其具有较高的应用价值和推广性，可有效提高现有方法的召回率。
-
公开(公告)号：CN115879270A
公开(公告)日：2023-03-31
申请号：CN202211267398.6
申请日：2022-10-17
Applicant: 南湖实验室
IPC: G06F30/20 , G06F119/08
Abstract: 本方案公开了一种基于物理模型与数据驱动的全天候地表温度重建方法，该方法考虑到物理模型的可解释性与外推能力强，而数据驱动方法对数据适应性与挖掘数据特征能力强，将物理建模与灵活的数据驱动建模相结合重建LST，以物理模型生成LST源数据，使用数据驱动方法提高精度，能够生成一种空间分辨率较高的全天候类似MODIS数据，弥补卫星TIR影像受云污染而无法获取完整LST的缺点。本方案将重建模型建立在LST源数据的真实性与科学性的基础上，然后使用多源遥感数据与影像空间信息提高LST精度，最终能获得高精度的全天候LST影像。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
