-
公开(公告)号：CN113869172B
公开(公告)日：2024-10-15
申请号：CN202111106138.6
申请日：2021-09-22
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
公开(公告)号：CN116861024A
公开(公告)日：2023-10-10
申请号：CN202310674367.0
申请日：2023-06-07
Applicant: 武汉大学
IPC: G06F16/587 , G06F16/55 , G06F16/583
Abstract: 本发明提出一种全球土地利用图文检索样本构建方法及系统，包括如下步骤：步骤1，获取的全球范围内夜光遥感数据，根据全球行政区夜光遥感指数进行空间自相关性分析，划分具有显著发展水平的行政区域，得到具有显著聚类或者离散的地区；步骤2，根据全球土地地表覆盖，首先计算景观指数LSI，然后在选中的显著区域分别计算区域景观指数rLSI、区域的地表覆盖类别景观指数cLSI、每个地理取样单元景观指数uLSI，分别得到每个区域的采样点数量、每个区域中每种地物的采样数量和每个采样点的位置，得到样本点最终的采样分布；步骤3，基于选取的样本点，裁剪出与样本点地理位置匹配的影像数据生成样本数据，利用对应区域的Open Street Map标签作为文本构建图文检索样本数据集。
-
公开(公告)号：CN113869172A
公开(公告)日：2021-12-31
申请号：CN202111106138.6
申请日：2021-09-22
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
公开(公告)号：CN116402942A
公开(公告)日：2023-07-07
申请号：CN202310194010.2
申请日：2023-03-02
Applicant: 武汉大学
IPC: G06T17/00 , G06N3/0464 , G06N3/045 , G06T15/06 , G06N3/08
Abstract: 本发明公开了一种融合多尺度图像特征的大规模建筑物三维重建方法，包括如下步骤：遥感数据选取和预处理；构建基本网络模块及残差网络模块，用于获得阴影标量、不确定性预测值、反射光颜色以及环境光色彩；向基本网络模块输入最高层次图像对应的光线，逐层向残差网络模块中输入其他尺度图像对应的光线，每一个图像对应的光线输入到一个残差网络模块，然后将所有残差网络模块的结果融合得到一个统一的输出，最后将残差网络模块统一的输出与基本网络模块的输出结果进行融合得到最终输出结果，通过最终输出结果计算得到目标对象对应点的深度和对应像素的颜色，并通过构建的损失函数更新网络权重；利用训练好的网络实现待重建遥感图像的三维重建。
-
-
-
Search Results
4
records
(took 0.017 seconds)
