-
公开(公告)号：CN119251705B
公开(公告)日：2025-03-04
申请号：CN202411786671.5
申请日：2024-12-06
Applicant: 厦门理工学院
IPC: G06V20/13 , G06V20/10 , G06V10/44 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及遥感图像道路提取技术领域，本发明提供一种基于知识蒸馏的遥感图像道路提取方法、设备及可读存储介质，其包括构建教师模型和学生模型，教师模型和学生模型的神经网络采用编码器‑解码器架构学习道路特征，学生模型神经网络的层数少于教师模型神经网络的层数，采取中间层进行知识蒸馏，中间层进行知识蒸馏为同构蒸馏，基于目标训练后的模型输出结果。解决传统方法参数量大、计算复杂度高的问题，能够快速精准地完成实时推理，满足实时道路提取的需求。
-
公开(公告)号：CN112749621B
公开(公告)日：2023-06-13
申请号：CN202011342358.4
申请日：2020-11-25
Applicant: 厦门理工学院
IPC: G06V20/13 , G06V10/26 , G06V20/70 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 一种基于深度卷积神经网络的遥感图像云层检测方法，首先需要获得卫星图像的多个波段图，其中必要的是卫星遥感图像中的自然真彩色图像(RGB)、近光红外波段(Nir)以及云层掩模图作为训练集和测试集对深度卷积神经网络模型进行训练和测试，采用测试通过后的深度卷积神经网络模型实现遥感图像云层检测。这种基于深度学习对云层进行检测的方法拥有检测速度快，精准度高并且可以快速迁移适应不同卫星型号的特点。
-
公开(公告)号：CN115018691A
公开(公告)日：2022-09-06
申请号：CN202111507545.8
申请日：2021-12-10
Applicant: 厦门理工学院
Abstract: 本发明提供了一种基于GPU和GDAL的超大尺寸遥感影像交互展示方法，包括：预处理步骤、视口剪裁步骤、块加载步骤和渲染展示步骤。本发明是一种采用GPU的分块加载技术的实现，具有速度快，呈现效果好的优点，同时相对于Monteverdi这类重型、需要大量引用外部框架实现的技术，本发明的架构更为精简，所有变换均使用矩阵来实现，各类剪裁和变换更为简洁，对项目维护和二次开发也更为友好，执行效率也更高，与Monteverdi相比，本发明能提升大约50％左右的加载速度。
-
公开(公告)号：CN119693256A
公开(公告)日：2025-03-25
申请号：CN202411819738.0
申请日：2024-12-11
Applicant: 厦门理工学院
IPC: G06T5/60 , G06T5/77 , G06N3/0455 , G06N3/0895
Abstract: 本发明设计薄云去除技术领域，本发明提供一种基于Transformer的双重对比感知循环一致性网络的薄云去除方法、设备及可读存储介质，其包括获取数据集，并按预设比例划分为训练集和测试集；构建模型包括构建2个生成器、2个判别器，2个生成器分别用于将薄云图像转换为无云图像和将无云图像转换为薄云图像，2个判别器分别用于判别生成的无云图像的真实性和薄云图像的真实性；基于循环一致性损失、双重对比损失和双重感知损失，生成无云图像；利用模型输出得到去除薄云的遥感图像。借此，利用Transformer的全局信息处理能力，有效捕捉遥感图像中的大尺度或全局特征，弥补了传统CNN难以处理全局信息的不足之处。
-
公开(公告)号：CN116563142A
公开(公告)日：2023-08-08
申请号：CN202310422873.0
申请日：2023-04-19
Applicant: 厦门理工学院
IPC: G06T5/00 , G06T3/40 , G06V10/10 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开一种基于深度学习的全色锐化框架加速方法，其包括：将多光谱图像和全色图像拼接，再将拼接后的图像裁剪为多张子图像作为训练集；根据训练集构建基于生成对抗网络的无监督全色锐化模型，无监督全色锐化模型包括生成器网络和两判别网络；在生成器网络的第一层和第二层之间增加注意力机制，以加快提取多光谱图像和全色图像的特征；计算数据预处理后的子图像的平均梯度，进行梯度分类把训练集划分成简单和中等类别集合；并对其中的中等类别集合进行二次分类，划分为中等和困难类别集合；对不同类别的子图像集合采用不同量级的全色锐化模型分支进行训练。通过上述方案，本发明能够提高重建图像的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114998458A
公开(公告)日：2022-09-02
申请号：CN202111434806.8
申请日：2021-11-29
Applicant: 厦门理工学院
Abstract: 本发明提供了一种基于参考图像和数据修正的欠采样磁共振图像重建方法，包括：获取全采样T1加权图像作为参考图像Iref；获取全采样T2加权图像IT2，并转换为欠采样k空间数据y；初始化图像序列Is和初始化互信息值序列MIs；使用基于残差模块的卷积神经网络，建立基于参考图像Iref和欠采样k空间数据y的欠采样磁共振图像重建模型；训练欠采样磁共振图像重建模型；记录重建过程中的重建图像及其与参考图像的互信息值；基于所述互信息值选择最佳的重建图像；对所述最佳的重建图像进行迭代k‑空间数据修正，获得最终的重建图像。本发明能够提高重建图像的准确度。
-
公开(公告)号：CN109685717A
公开(公告)日：2019-04-26
申请号：CN201811539090.6
申请日：2018-12-14
Applicant: 厦门理工学院
CPC classification number: G06T3/4053 , G06N3/0454
Abstract: 本发明提供了一种图像超分辨率重建方法、装置及电子设备，涉及图像处理技术领域，包括：获取待重建的低分辨率图像；通过预先建立的图像重建模型，将低分辨率图像重建为高分辨率图像；其中，图像重建模型是基于多尺度卷积融合神经网络建立的。本发明能够提升图像重建的效果。
-
公开(公告)号：CN115457285A
公开(公告)日：2022-12-09
申请号：CN202211145408.9
申请日：2022-09-20
Applicant: 厦门理工学院
Abstract: 本发明提供一种木纹分类模型的训练方法、木纹分类方法、装置及设备。该方法包括：对原始木纹图像进行扩充，得到扩充后的原始木纹图像数据集；对原始木纹图像数据集进行缩放，得到缩放图像数据集；对原始木纹图像数据集进行中心裁剪，得到裁剪图像数据；采用缩放图像数据集训练初始全局模型，得到训练好的全局模型；采用裁剪图像数据集训练初始局部模型，得到训练好的局部模型；将扩充后的原始木纹图像数据集输入初始全局‑局部模型进行训练，得到训练好的全局‑局部模型，以训练好的全局‑局部模型作为木纹分类模型。本发明提供的方法，采用全局‑局部模型来识别木纹图片，其预测结果更精准。
-
公开(公告)号：CN119251705A
公开(公告)日：2025-01-03
申请号：CN202411786671.5
申请日：2024-12-06
Applicant: 厦门理工学院
IPC: G06V20/13 , G06V20/10 , G06V10/44 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及遥感图像道路提取技术领域，本发明提供一种基于知识蒸馏的遥感图像道路提取方法、设备及可读存储介质，其包括构建教师模型和学生模型，教师模型和学生模型的神经网络采用编码器‑解码器架构学习道路特征，学生模型神经网络的层数少于教师模型神经网络的层数，采取中间层进行知识蒸馏，中间层进行知识蒸馏为同构蒸馏，基于目标训练后的模型输出结果。解决传统方法参数量大、计算复杂度高的问题，能够快速精准地完成实时推理，满足实时道路提取的需求。
-
公开(公告)号：CN115018691B
公开(公告)日：2024-11-05
申请号：CN202111507545.8
申请日：2021-12-10
Applicant: 厦门理工学院
Abstract: 本发明提供了一种基于GPU和GDAL的超大尺寸遥感影像交互展示方法，包括：预处理步骤、视口剪裁步骤、块加载步骤和渲染展示步骤。本发明是一种采用GPU的分块加载技术的实现，具有速度快，呈现效果好的优点，同时相对于Monteverdi这类重型、需要大量引用外部框架实现的技术，本发明的架构更为精简，所有变换均使用矩阵来实现，各类剪裁和变换更为简洁，对项目维护和二次开发也更为友好，执行效率也更高，与Monteverdi相比，本发明能提升大约50％左右的加载速度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
