-
公开(公告)号:CN119091304B
公开(公告)日:2025-05-16
申请号:CN202411234280.2
申请日:2024-09-04
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06V20/10 , G06V20/17 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种耦合多尺度卷积与双分支网络的芒果单木提取方法,属于单木图像分割技术领域。为在芒果树单木冠层识别中克服复杂场景,本发明包括构建共享模块提取输入数据的浅层特征与次浅层特征;构建语义分割分支,应用膨胀增强多尺度骨干网络特征提取模型D_E_MCAN对次浅层特征提取多尺度语义特征,结合损失函数,得到预测语义分割结果;构建边缘检测分支,将浅层特征与多尺度语义特征进行异化、拼接为边缘特征,结合二元交叉熵损失函数,得到预测边缘掩膜;构建边缘检测‑语义分割双分支模型D_E_BSNet,应用双分支特征融合模块AFD融合多尺度语义特征与边缘特征,结合构建的总体损失函数,得到最终融合特征预测掩膜。本发明精确提取。
-
公开(公告)号:CN119832240A
公开(公告)日:2025-04-15
申请号:CN202411902405.4
申请日:2024-12-23
Applicant: 哈尔滨航天恒星数据系统科技有限公司 , 黑龙江新综科技有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0499 , G06N3/048 , G06N3/082 , G06N3/084 , G06N3/0985
Abstract: 一种快速提取芒果种植区域边界识别方法、电子设备及存储介质,属于芒果种植区域识别技术领域。为解决芒果种植区域快速、准确识别的问题。本发明包括建立样本数据集划分为训练集和测试集;构建多尺度通道注意力机制模块;构建特征提取模块和下采样模块;构建芒果种植区域边缘识别模型SLMCnet;将训练集输入到芒果种植区域边缘识别模型SLMCnet中进行训练,训练结束后得到模型权重,然后利用测试集对训练好的芒果种植区域边缘识别模型进行评估、优化,得到最优芒果种植区域边界提取分割模型;利用最优芒果种植区域边界提取分割模型,进行目标区域的芒果种植区域分割。本发明能高效、准确的实现遥感影像中芒果种植区域的提取。
-
公开(公告)号:CN119625554A
公开(公告)日:2025-03-14
申请号:CN202411663237.8
申请日:2024-11-20
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06V20/13 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/80 , G06V20/05
Abstract: 一种基于卫星影像的多时序水体富营养化评估方法、电子设备及存储介质,属于卫星遥感定量反演技术领域。为解决精度不能满足应用要求的问题,本发明设计了混洗模块并构建DSAT_1D_ShuffleNetV2模块,实现了通道混洗、多尺度特征提取、深浅特征融合、多注意力信息共享,有效地进行特征信息的挖掘,更精准地指导模型特征信息收集;设计了双权重对数均方根误差损失函数Wwrmse指导多时序水体富营养化评估模型的优化;设计的Shuffle_GRUnet模型能够完成多时期数据相关联的模型训练,实现了单时期的数据预测及基于多时期联动的数据预测。本发明方法稳定、准确地实现多时序卫星遥感影像水体富营养化评估。
-
公开(公告)号:CN119091304A
公开(公告)日:2024-12-06
申请号:CN202411234280.2
申请日:2024-09-04
Applicant: 哈尔滨航天恒星数据系统科技有限公司
IPC: G06V20/10 , G06V20/17 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种耦合多尺度卷积与双分支网络的芒果单木提取方法,属于单木图像分割技术领域。为在芒果树单木冠层识别中克服复杂场景,本发明包括构建共享模块提取输入数据的浅层特征与次浅层特征;构建语义分割分支,应用膨胀增强多尺度骨干网络特征提取模型D_E_MCAN对次浅层特征提取多尺度语义特征,结合损失函数,得到预测语义分割结果;构建边缘检测分支,将浅层特征与多尺度语义特征进行异化、拼接为边缘特征,结合二元交叉熵损失函数,得到预测边缘掩膜;构建边缘检测‑语义分割双分支模型D_E_BSNet,应用双分支特征融合模块AFD融合多尺度语义特征与边缘特征,结合构建的总体损失函数,得到最终融合特征预测掩膜。本发明精确提取。
-
-
-