-
公开(公告)号：CN112200029B
公开(公告)日：2022-03-25
申请号：CN202011032221.9
申请日：2020-09-27
Applicant: 电子科技大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明公开了一种基于改进型UNet++网络的遥感图像建筑物提取方法，利用图形可视化标记工具读取已知建筑物的遥感图像制作出语义分割数据集，再利用数据增强技术对语义分割数据集进行扩充，然后以分割网络UNet++网络作为主体构建改进型UNet++网络模型并完成训练，最后利用训练好的改进型UNet++网络模型实现遥感图像建筑物的可视化提取，具有非常好的扩展性和灵活性，能够适应当今计算机视觉领域的发展趋势。
-
公开(公告)号：CN112200029A
公开(公告)日：2021-01-08
申请号：CN202011032221.9
申请日：2020-09-27
Applicant: 电子科技大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明公开了一种基于改进型UNet++网络的遥感图像建筑物提取方法，利用图形可视化标记工具读取已知建筑物的遥感图像制作出语义分割数据集，再利用数据增强技术对语义分割数据集进行扩充，然后以分割网络UNet++网络作为主体构建改进型UNet++网络模型并完成训练，最后利用训练好的改进型UNet++网络模型实现遥感图像建筑物的可视化提取，具有非常好的扩展性和灵活性，能够适应当今计算机视觉领域的发展趋势。
-
公开(公告)号：CN115984183A
公开(公告)日：2023-04-18
申请号：CN202211546788.7
申请日：2022-12-05
Applicant: 电子科技大学
IPC: G06T7/00 , G06V20/54 , G06V10/42 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/048 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于密集链接网络变体的红绿灯污损检测方法，先利用道路摄像头拍摄不同位置处多张红绿灯图像，再通过目标识别标注工具标记出图像中的红绿灯及添加标签，从而构成训练数据集，用于训练构建的密集链接变体的双重自注意力网络；然后通过训练完成的网络预测目标红绿灯图像中红绿灯的预测坐标标签，最后通过遍历红绿灯标签集完成各个红绿灯的污损检测，从而实现了道路交通红绿灯污损的精准识别和判断。
-
公开(公告)号：CN113628291B
公开(公告)日：2023-03-07
申请号：CN202110880252.8
申请日：2021-08-02
Abstract: 本发明公开了一种基于边界提取与合并的多形状目标栅格数据矢量化方法，首先，将栅格图像灰度化，以不同的灰度值表示目标的属性信息，其次，通过对图像进行多次扫描提取各目标区域的边界线，再对相邻边界线进行合并，并判断边界线之间的包含关系，再通过灰度值确定各目标的属性信息，最后创建矢量文件和属性字段，通过将边界线生成闭合曲线要素，结合内边界线信息，以判断生成多边形要素或者环状多边形要素，再将对应的属性信息赋给属性字段，从而生成带有属性信息的矢量文件。
-
公开(公告)号：CN114694031A
公开(公告)日：2022-07-01
申请号：CN202210450474.0
申请日：2022-04-24
Abstract: 本发明公开了一种基于多任务注意力机制的遥感图像典型地物提取方法，利用四个注意力模块从内部和外部融合全局特征，增大了模型的感受野，从而解决地物要素分布范围广、区域面积大的问题；利用多任务机制构建多解码器结构，从而降低不同地物类型对模型参数的竞争，从而较少相似地物的误判；利用边缘提取任务和距离图提取任务，增加了边缘约束，从而提升了边缘提取的效果，最终实现了对多类典型地物要素的智能提取，且提取精度较高。
-
Patent Agency Ranking
公开(公告)号：CN110674742A
公开(公告)日：2020-01-10
申请号：CN201910902885.7
申请日：2019-09-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于DLinkNet构建的DenseNetPlus遥感图像道路提取方法，构建了包括输入层、卷积池化层、编码结构、解码结构和特征图谱全连接通道的网络架构。采用3个卷积层和平均池化层构成stem Block单元，减少了因连续降采样导致的细节信息丢失。本发明通过加入3个连续不同扩张率的空洞卷积对Dense Block改进，构建Dense Block Plus编码结构单元和解码结构单元，并采用特征图谱全连接模式构建了深度卷积神经网络，减少了网络参数，增大了网络感受野。本发明以损失值最小为目标对网络进行训练，得到遥感图像道路提取模型，实现高精度和高鲁棒性的道路信息提取。
-
公开(公告)号：CN110674742B
公开(公告)日：2023-04-07
申请号：CN201910902885.7
申请日：2019-09-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于DLinkNet构建的DenseNetPlus遥感图像道路提取方法，构建了包括输入层、卷积池化层、编码结构、解码结构和特征图谱全连接通道的网络架构。采用3个卷积层和平均池化层构成stem Block单元，减少了因连续降采样导致的细节信息丢失。本发明通过加入3个连续不同扩张率的空洞卷积对Dense Block改进，构建Dense Block Plus编码结构单元和解码结构单元，并采用特征图谱全连接模式构建了深度卷积神经网络，减少了网络参数，增大了网络感受野。本发明以损失值最小为目标对网络进行训练，得到遥感图像道路提取模型，实现高精度和高鲁棒性的道路信息提取。
-
公开(公告)号：CN110598673A
公开(公告)日：2019-12-20
申请号：CN201910902725.2
申请日：2019-09-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于残差网络的遥感图像道路提取系统与方法，构建了包括输入层、stem block单元、变体Res-block结构和DBlockPlus的B-DLinkNetPlus网络架构。通过基于残差网络设计变体Res-block结构，并将其作为编码模块，提升梯度反向传播到浅层网络的特性，解决梯度弥散问题。本发明优化DBlock的特征融合和特征图通道数构建DBlockPlus单元，减小了网络模型尺寸和细节信息丢失。本发明采用三个连续3×3卷积层的stem block单元，并结合空洞卷积构建B-DLinkNetPlus深度卷积网络，实现了高精度和轻量化的遥感图像道路提取系统。
-
公开(公告)号：CN114694031B
公开(公告)日：2023-05-02
申请号：CN202210450474.0
申请日：2022-04-24
Abstract: 本发明公开了一种基于多任务注意力机制的遥感图像典型地物提取方法，利用四个注意力模块从内部和外部融合全局特征，增大了模型的感受野，从而解决地物要素分布范围广、区域面积大的问题；利用多任务机制构建多解码器结构，从而降低不同地物类型对模型参数的竞争，从而较少相似地物的误判；利用边缘提取任务和距离图提取任务，增加了边缘约束，从而提升了边缘提取的效果，最终实现了对多类典型地物要素的智能提取，且提取精度较高。
-
公开(公告)号：CN113628291A
公开(公告)日：2021-11-09
申请号：CN202110880252.8
申请日：2021-08-02
Abstract: 本发明公开了一种基于边界提取与合并的多形状目标栅格数据矢量化方法，首先，将栅格图像灰度化，以不同的灰度值表示目标的属性信息，其次，通过对图像进行多次扫描提取各目标区域的边界线，再对相邻边界线进行合并，并判断边界线之间的包含关系，再通过灰度值确定各目标的属性信息，最后创建矢量文件和属性字段，通过将边界线生成闭合曲线要素，结合内边界线信息，以判断生成多边形要素或者环状多边形要素，再将对应的属性信息赋给属性字段，从而生成带有属性信息的矢量文件。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
