-
Patent Agency Ranking
公开(公告)号：CN118537242A
公开(公告)日：2024-08-23
申请号：CN202410454196.5
申请日：2024-04-16
Applicant: 湖南中科星图信息技术股份有限公司 , 中南大学
IPC: G06T5/60 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/048 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种顾及耕地类型和耕种状态的遥感影像样本增强方法，首先构建用于模型训练和验证的样本集，然后设计了一种条件生成对抗网络，由生成器G和判别器D两部分组成。在训练过程中，利用生成器G将源域影像转换为目标域影像，再转换回源域影像，同时利用判别器D判断源域影像、生成的目标域影像和生成的源域影像的真假、耕地类型和耕种状态，并基于交叉熵损失函数计算9个损失，利用Hubber损失函数计算循环一致性损失；考虑各损失对生成器G和判别器D不同模块优化的贡献，并基于Adam优化器分别实现生成器G和判别器D对应模块的优化。本发明利用生成器G，基于源域影像，并指定目标域，即可实现耕地样本扩充，增加样本的质量、数量和多样性。
-
公开(公告)号：CN113157253A
公开(公告)日：2021-07-23
申请号：CN202110491633.7
申请日：2021-05-06
Applicant: 湖南中科星图信息技术股份有限公司
Abstract: 本发明提供一种企业研发私有云搭建的方法，属于网络云搭建技术领域，该方法通过搭建一套支持数据块、数据对象、文件系统等访问接口的分布式集群数据管理中心与能实现应用微服务自动启停、水平伸缩扩展的分布式集群容器管理中心，再基于上述两个中心搭建研发DevOps环境与数据库资源池(DBPool)，最后基于以上环境，配置x‑cloud脚本，提交代码完成，x‑cloud脚本自动执行，自动完成程序的自动编译、测试、打包、镜像制作、数据资源自动分配与挂载、程序微服务自动上线运行等全自动化生产流程，最终形成SaaS云，再配以日志收集中心，收集各服务器及容器内日志，保障云的稳定可靠运行，最终形成企业私有云平台，帮助企业解决数据分散存储、信息化运营成本高等问题。
-
公开(公告)号：CN113221997B
公开(公告)日：2025-03-11
申请号：CN202110491010.X
申请日：2021-05-06
Applicant: 湖南中科星图信息技术股份有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06N3/084 , G06T7/11
Abstract: 本发明提供了一种基于深度学习算法的高分影像油菜提取方法，该模型融合了DRN和改进的U‑Net语义分割模型，包含Encoder和Decoder的两个核心模块，实现了高分二号影像空间特征和光谱特征的自主学习以及油菜像元级的自动化提取。模型以油菜开花期(2月底‑4月中旬)高分二号影像为数据源，通过标注的油菜样本进行训练和测试，并通过数据增强算法增加油菜样本和通过调整模型参数得到最优化的油菜提取模型。在进行模型应用时，提出数据输入裁剪策略和结果输出裁剪策略实现对任意大小输入影像的油菜提取。与传统基于像元和统计理论的分类分析法以及面向对象的分类算法相比，该方法充分利用了高分二号影像的空间和光谱特征，实现了用于油菜提取的语义特征的自主学习，提高了油菜提取的精度和模型泛化能力。
-
公开(公告)号：CN117036938A
公开(公告)日：2023-11-10
申请号：CN202310980312.2
申请日：2023-08-04
Applicant: 湖南中科星图信息技术股份有限公司 , 中南大学 , 长沙市规划信息服务中心
IPC: G06V20/10 , G06V10/86 , G06V10/44 , G06V10/774
Abstract: 本发明公开了一种融合空间、语义和时序特征的建筑物变化检测方法，首先建立建筑物识别语义分割模型和建筑物变化检测模型，两个模型的特征提取模块具有相同的框架。建筑物识别语义分割模型以一期影像作为输入，利用现有的公开建筑物数据集对建筑物识别语义分割模型进行训练和验证，实现建筑物特征提取模块参数的预训练。然后利用模型迁移学习算法将预训练模型参数赋值给变化检测模型对应的建筑物特征提取模块；在此基础上，利用公开的和自建的建筑物变化检测样本实现建筑物变化检测模型的训练和测试验证，并最终进行模型应用。本发明提出的方法充分利用各类样本数据，扩展性强，为持续提高建筑物变化检测精度和泛化能力提供了一种新途径。
-
公开(公告)号：CN113221997A
公开(公告)日：2021-08-06
申请号：CN202110491010.X
申请日：2021-05-06
Applicant: 湖南中科星图信息技术股份有限公司
Abstract: 本发明提供了一种基于深度学习算法的高分影像油菜提取方法，该模型融合了DRN和改进的U‑Net语义分割模型，包含Encoder和Decoder的两个核心模块，实现了高分二号影像空间特征和光谱特征的自主学习以及油菜像元级的自动化提取。模型以油菜开花期(2月底‑4月中旬)高分二号影像为数据源，通过标注的油菜样本进行训练和测试，并通过数据增强算法增加油菜样本和通过调整模型参数得到最优化的油菜提取模型。在进行模型应用时，提出数据输入裁剪策略和结果输出裁剪策略实现对任意大小输入影像的油菜提取。与传统基于像元和统计理论的分类分析法以及面向对象的分类算法相比，该方法充分利用了高分二号影像的空间和光谱特征，实现了用于油菜提取的语义特征的自主学习，提高了油菜提取的精度和模型泛化能力。
-
-
-
-
Search Results
5
records
(took 0.034 seconds)
