-
公开(公告)号：CN119691495A
公开(公告)日：2025-03-25
申请号：CN202411559276.3
申请日：2024-11-04
Applicant: 武汉大学
Abstract: 本发明提供一种基于直接偏好优化多模态大语言模型的积水水深提取方法，包括：获取待识别的社交媒体内容；将所述待识别的社交媒体内容输入预训练的水深识别模型，获得所述水深识别模型输出的水深识别结果，其中，所述水深识别模型为基于令牌级直接偏好优化策略训练得到的多模态大语言模型。本发明基于直接偏好优化多模态大语言模型的积水水深提取方法，通过令牌级直接偏好优化策略对多模态大语言模型进行训练得到水深识别模型，从而使得水深识别模型能更加准确地根据输入的目标区域目标时段的待识别社交媒体内容识别出其对应的水深信息。
-
公开(公告)号：CN117172134A
公开(公告)日：2023-12-05
申请号：CN202311352195.1
申请日：2023-10-19
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明提供一种基于融合地形特征的月表多尺度DEM建模方法及系统，属于地形测绘技术领域，包括：获取月表南极LOLA DEM数据和LROC NAC DEM数据，确定多个高分辨率DEM数据集和多个低分辨率DEM数据集；将残差融合卷积神经网络应用于DEM精细建模，得到多级分辨率DEM模型；利用地形特征结合神经网络重构高分辨率DEM，构造地形特征相关损失函数，进而重建出月球南极高精度大范围任意尺度精细DEM。本发明采用深度学习方法进行训练样本集制作，逐级对月球南极DEM数据进行精细建模，利用残差融合神经网络对空间特征进行有效提取和整合，并支持任意尺度超分辨率重建，为月球南极DEM精细建模提供新思路。
-
公开(公告)号：CN119694435A
公开(公告)日：2025-03-25
申请号：CN202411556739.0
申请日：2024-11-04
Applicant: 武汉大学
Abstract: 本发明提供一种CO2浓度空间滤值地理加权回归建模方法及装置，其方法包括：基于二氧化碳浓度数据监测点的地理位置构建空间权重矩阵，并对所述空间权重矩阵提取得到表征全局位置关系的特征向量作为全局空间特征因子；基于反应局部异质性的预设模型，在所述全局空间特征因子中筛选得到表征空间局部异质性的特征向量作为局部空间因子；基于所述局部空间因子构建二氧化碳浓度模型。本发明通过在表征全局空间关系的全局空间特征因子中筛选得到表征局部异质性的特征向量作为局部空间因子来构建CO2浓度模型，使得构建得到的模型能够同时兼顾全局空间特征和局部空间异质性。
-
公开(公告)号：CN117370711A
公开(公告)日：2024-01-09
申请号：CN202311450040.1
申请日：2023-10-31
Applicant: 武汉大学
Abstract: 本发明公开了一种基于ET‑ESF算法的森林覆盖区雪水当量估算方法，包括以下步骤：步骤1、相关影响因子与雪水当量的数据处理；步骤2、获取监测站点各处相关影响因子值与雪水当量值；步骤3、筛选相关影响因子；步骤4、构建空间邻接矩阵；步骤5、计算特征值和特征向量；步骤6、前向选择筛选显著特征向量；步骤7、10折交叉验证；步骤8、独立验证。本发明针对建模过程中各变量存在的空间效应问题，采用特征向量空间滤值方法，将选取的含有空间信息的特征向量加入到模型中，有效消除空间异质性和空间自相关性的影响，提高雪水当量估算模型的精度，比较准确地估算森林覆盖区的雪水当量。
-
公开(公告)号：CN118941974B
公开(公告)日：2024-12-13
申请号：CN202411434741.0
申请日：2024-10-15
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种高精度DEM数据缺失区域填补方法及装置，属于摄影测量与遥感技术领域，包括：获取待填补的高精度InSAR空洞DEM以及与待填补的高精度InSAR空洞的地理位置一致的低分辨率DEM；根据低分辨率DEM确定地形特征数据和SAR特征数据；将低分辨率DEM、地形特征数据和SAR特征数据输入到预先训练好的基于多源特征的Transformer和CNN智能化学习重构模型，得到预测的空洞区域高分辨率DEM；将预测的空洞区域高分辨率DEM与待填补的高精度InSAR空洞DEM结合，生成高精度DEM产品。本发明实施方式简便易行，整体流程结构清晰，使空洞填补这一过程完全实现智能化和自动化。
-
Patent Agency Ranking
公开(公告)号：CN117172134B
公开(公告)日：2024-01-16
申请号：CN202311352195.1
申请日：2023-10-19
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/0464 , G06N3/084 , G06V10/80
Abstract: 本发明提供一种基于融合地形特征的月表多尺度DEM建模方法及系统，属于地形测绘技术领域，包括：获取月表南极LOLA DEM数据和LROC NAC DEM数据，确定多个高分辨率DEM数据集和多个低分辨率DEM数据集；将残差融合卷积神经网络应用于DEM精细建模，得到多级分辨率DEM模型；利用地形特征结合神经网络重构高分辨率DEM，构造地形特征相关损失函数，进而重建出月球南极高精度大范围任意尺度精细DEM。本发明采用深度学习方法进行训练样本集制作，逐级对月球南极DEM数据进行精细建模，利用残差融合神经网络对空间特征进行有效提取和整合，并支持任意尺度超分辨率重建，为月球南极DEM精细(56)对比文件Guodong Chen 等.An Enhanced ResidualFeature Fusion Network Integrated with aTerrainWeight Module for DigitalElevation Model Super-Resolution《.remotesensing》.2023,1-21.Hesheng Chen 等.基于卷积神经网络的地形因子降尺度方法研究《.中国优秀硕士学位论文全文数据库 工程科技II辑》.2022,C028-170.Annan Zhou 等.A multi-terrainfeature-based deep convolutional neuralnetwork for constructing super-resolutionDEMs 《.ELSEVIER》.2023,1-16.邸凯昌;刘斌;刘召芹;邹永廖.月球遥感制图回顾与展望.遥感学报.2016,(05),1230-1242.黄泽群;李超群;吴欢;姜璐璐;男顶;汤秋鸿;王爱慧;赵世湖;Dai YAMAZAKI.基于MERITDEM 和DRT升尺度化算法的多分辨率全国河网数据集构建.地理与地理信息科学.2020,(03),1-9.谢洪亮.基于卷积神经网络的数字高程分辨率提高方法.地理空间信息.2020,(01),28-32.邓志鹏;孙浩;雷琳;周石琳;邹焕新.基于多尺度形变特征卷积网络的高分辨率遥感影像目标检测.测绘学报.2018,(09),485-495.李春来;刘建军;任鑫;严韦;左维;牟伶俐;张洪波;苏彦;温卫斌;谭旭;张晓霞;王文睿;付强;耿良;张广良;赵葆常;杨建峰;欧阳自远.基于嫦娥二号立体影像的全月高精度地形重建.武汉大学学报(信息科学版).2018,(04),1216-1227.
-
公开(公告)号：CN119693567A
公开(公告)日：2025-03-25
申请号：CN202411667472.2
申请日：2024-11-21
Applicant: 武汉大学
IPC: G06T17/05 , G06N3/0455 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及基于残差注意力Transformer的高精度InSAR DEM智能化重构方法和系统。利用多基线干涉测量方法生成的高分辨率空洞InSAR DEM作为训练数据，为模型构建提供了有力的数据支撑；通过将轻量级的Transformer模块与残差特征聚合结构相结合应用于高分辨率DEM重构，在增强全局感知能力的同时，聚合局部残差特征，以捕捉更全面的特征信息，有效提高了重构精度，并提高了训练效率；同时，对空间注意力模块进行优化，利用增强型空间注意力机制捕捉更复杂的多尺度信息；此外，在损失函数部分中引入坡度和坡向因素作为地形特征进行监督，更好地从地表形态变化上对模型参数进行优化，增强了模型对地形一致性的保持能力，为大范围的高精度DEM重构问题提供了新的解决思路。
-
公开(公告)号：CN117518165A
公开(公告)日：2024-02-06
申请号：CN202311419381.2
申请日：2023-10-30
Applicant: 武汉大学
Abstract: 本发明提供一种多基线时序InSAR精细尺度DEM生成方法及系统，利用空间ICA技术将信号进行分离，并直接将大气和噪声去除，减弱大气和噪声的干扰；利用多项式拟合去除相位观测值中的基线误差，获取准确的差分干涉相位；综合线性形变，周期形变和环境因素的影响，构建差分干涉相位与地形和形变之间的时序InSAR物理模型，获取准确的地形和形变参数，实现精细尺度DEM的生成。本发明提出的基于ICA分离联合多基线误差校正时序InSAR环境建模方案，能够为大面积精细尺度DEM的生成提供重要参考。
-
公开(公告)号：CN118941974A
公开(公告)日：2024-11-12
申请号：CN202411434741.0
申请日：2024-10-15
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种高精度DEM数据缺失区域填补方法及装置，属于摄影测量与遥感技术领域，包括：获取待填补的高精度InSAR空洞DEM以及与待填补的高精度InSAR空洞的地理位置一致的低分辨率DEM；根据低分辨率DEM确定地形特征数据和SAR特征数据；将低分辨率DEM、地形特征数据和SAR特征数据输入到预先训练好的基于多源特征的Transformer和CNN智能化学习重构模型，得到预测的空洞区域高分辨率DEM；将预测的空洞区域高分辨率DEM与待填补的高精度InSAR空洞DEM结合，生成高精度DEM产品。本发明实施方式简便易行，整体流程结构清晰，使空洞填补这一过程完全实现智能化和自动化。
-
公开(公告)号：CN118447388A
公开(公告)日：2024-08-06
申请号：CN202410445124.4
申请日：2024-04-15
Applicant: 武汉大学
Abstract: 本申请公开了森林碳储量遥感预测方法、装置。本方法考虑了森林碳储量与遥感植被指数、年度物候指标、年度影像统计值、地形特征指标、植被特征数据间的复杂的非线性关系，同时考虑空间效应的影响并将其以空间特征向量的形式加到机器学习模型中，能够更加准确地构建森林碳储量模型，从而提高森林碳储量预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.049 seconds)
