-
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：CN115272278A
公开(公告)日：2022-11-01
申请号：CN202210975746.9
申请日：2022-08-15
Applicant: 南湖实验室
IPC: G06T7/00 , G06T7/20 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本方案公开了一种用于遥感图像变化检测的变化检测模型的构建方法,模型包括两个孪生网络，孪生网络均依次包括输入层、网络层一、网络层二和分类层，输入层的输入为图象块一和图象块二，检测模型根据两个分类层的输出得到两个图象块的差异图像；输入层包括卷积模块、FMBConv模块和ASPP模块；网络层一包括第一双分支模块和第二双分支模块，其中一个分支均包括可变形卷积；网络层二包括多头自注意力瓶颈模块。本方案使用包括可变形卷积的双分支结构和多头自注意力机制，使模型在保证特征图空间分辨率的同时增大其感受野，提高模型的检测精度。
-
公开(公告)号：CN113902650A
公开(公告)日：2022-01-07
申请号：CN202111481416.6
申请日：2021-12-07
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于平行深度学习网络架构的遥感影像锐化方法，包括以下步骤：S1、获得遥感全色影像在锐化过程中的光谱要素特征：建立多层次深度卷积神经网络架构，获取遥感影像中多光谱波段与全色波段时空‑光谱之间的定量关系；S2、获得遥感多光谱影像在锐化过程中的纹理要素特征：建立多尺度深度卷积神经网络架构，获取遥感影像全色波段不同地物类型的纹理细节特征；S3、获取遥感影像锐化产品：融合所述光谱要素特征和纹理要素特征，建立深度学习重建网络以获取遥感影像锐化产品。本发明适用于多种遥感影像传感器，同时又能在复杂地物类型中提高遥感影像空间分辨率和光谱信息保真度，解决遥感影像快速、准确生产出锐化产品的问题。
-
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：CN113902650B
公开(公告)日：2022-04-12
申请号：CN202111481416.6
申请日：2021-12-07
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于平行深度学习网络架构的遥感影像锐化方法，包括以下步骤：S1、获得遥感全色影像在锐化过程中的光谱要素特征：建立多层次深度卷积神经网络架构，获取遥感影像中多光谱波段与全色波段时空‑光谱之间的定量关系；S2、获得遥感多光谱影像在锐化过程中的纹理要素特征：建立多尺度深度卷积神经网络架构，获取遥感影像全色波段不同地物类型的纹理细节特征；S3、获取遥感影像锐化产品：融合所述光谱要素特征和纹理要素特征，建立深度学习重建网络以获取遥感影像锐化产品。本发明适用于多种遥感影像传感器，同时又能在复杂地物类型中提高遥感影像空间分辨率和光谱信息保真度，解决遥感影像快速、准确生产出锐化产品的问题。
-
Patent Agency Ranking
公开(公告)号：CN116824377A
公开(公告)日：2023-09-29
申请号：CN202310794235.1
申请日：2023-06-30
Applicant: 南湖实验室
IPC: G06V20/10 , G06V10/25 , G06V10/20 , G06V10/56 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774 , G06Q50/02
Abstract: 本发明公开了一种利用遥感图像的松木变色立木智能识别与定位方法，该利用遥感图像的松木变色立木智能识别与定位方法，包括特征工程，所述特征工程包括如下步骤，获取历史遥感图像及对应的历史变色立木坐标点信息,其中历史遥感图像最少需包括四个通道；利用变色立木坐标点以矩形框形式在对应时间段的遥感图像上进行标注；对已标注的遥感图像进行校正处理；计算植被指数；将处理后的遥感图像与计算的植被指数的结果叠加在一起组成一个八通道；将产生的八通道遥感图像进行方块裁剪以制作数据集。该利用遥感图像的松木变色立木智能识别与定位方法，解决了遥感图像中变色松木检测精度低下、人工实地调查的高成本投入的难题。
-
公开(公告)号：CN116258966A
公开(公告)日：2023-06-13
申请号：CN202310309441.9
申请日：2023-03-22
Applicant: 南湖实验室 , 中科卫星应用德清研究院
IPC: G06V20/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种水稻识别模型的构建方法及其水稻识别和制图方法，该用于水稻识别的水稻识别模型的构建方法包括水稻识别模型的构建和模型训练，还包括基于时序掩码的预训练，所述基于时序掩码的预训练包括，对输入的影像序列通过时序掩码模块随机去除部分影像序列，利用编码器进行掩码恢复，提取时空特征，将掩码恢复后的影像序列通过解码器解码，重建完整影像序列。该基于时序掩码的水稻识别方法及水稻制图方法解决了在云雾较多的南方地区，如何精准识别水稻，得到质量较高的水稻制图产品；还能充分挖掘水稻识别中水稻的时间和空间特征，提高水稻制图精度。
-
公开(公告)号：CN116071561A
公开(公告)日：2023-05-05
申请号：CN202211558659.X
申请日：2022-12-06
Abstract: 本方案公开了一种基于轻量级全卷积神经网络的农业大棚快速提取方法，该方法采用不同膨胀率的卷积结构和有选择性的对编码信息解码的方式对全局信息与局部信息进行聚合，融合不同感受野下的信息；并在编码器、解码器中均完全采用深度可分离卷积以降低卷积神经网络计算的冗余。该解决了现有各种主流方法存在的或周期长、或精度低、或需要大量计算资源等技术问题，具有提取快速且准确的优点。
-
公开(公告)号：CN114970941A
公开(公告)日：2022-08-30
申请号：CN202210294633.2
申请日：2022-03-23
Applicant: 南湖实验室
Abstract: 本发明提供了一种基于遥感植被物候的花粉信息预测方法，包括：S1、获取数据并进行预处理；S2、对花粉释放信息与遥感植被物候进行时空相关性分析；S3、对遥感植被物候与气候环境因素进行时空相关性分析；S4、对遥感植被物候信息以及气候环境要素进行特征提取，并且利用逐步回归模型进行花粉释放信息预测；S5、花粉释放信息区域制图：获取研究区域的遥感植被物候信息，以及与花粉释放信息有关的气候环境因素和对应逐步回归方程中得到的拟合系数，得到区域尺度内花粉预测信息。本发明利用遥感植被物候区域尺度和长时间序列数据信息，结合气候环境的影响，可以弥补花粉监测站点的不足，提供高质量、大区域尺度的花粉信息及其年际动态变化趋势。
-
公开(公告)号：CN114067152A
公开(公告)日：2022-02-18
申请号：CN202210043155.8
申请日：2022-01-14
Applicant: 南湖实验室
IPC: G06V10/762 , G06V10/764 , G06K9/62 , G06N3/08 , G06V20/13
Abstract: 本发明提供了一种基于星载SAR影像的精细化洪水淹没区提取方法，包括：S1、获取目标区域的SAR图像，对SAR图像进行超像素分割和阈值分割获得分割结果，根据所述分割结果得到背景百分比，并计算每个图像对象的特征向量；S2、通过对所述超像素分割结果、背景百分比和特征向量进行处理构建无向图并得到部分结点的类别标签；S3、根据所述的无向图和得到的部分结点的类别标签训练图卷积神经网络，并通过训练好的图卷积神经网络预测其它结点的类别，得到淹没后的水体提取结果；S4、将提取的淹没后的水体分布与洪水前的水体分布做差，得到洪水淹没区域。本发明可以兼顾图像对象特征和图像对象之间空间关系，能够显著提高SAR影像中洪水淹没区的提取精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
