公开(公告)号：CN117911866A

公开(公告)日：2024-04-19

申请号：CN202410079986.X

申请日：2024-01-19

Applicant: 福州大学

Inventor： 卢毅敏 ,  郭向钟

IPC: G06V20/10 ,  G06V20/70 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及一种基于轻量级深度学习网络的滑坡灾害自动识别方法。该方法构建了一种基于轻量级的深度学习网络（Mv2_SA_DeepLabv3+）用于从单一时相捕获的影像中检测滑坡地质灾害的发生区域。其基于DeepLabv3+网络结构，并做出以下三点改进：（1）轻量级主干网络：在编码过程中将特征提取的主干网络改进为轻量级的MobileNetV2网络，降低模型计算复杂度，提升模型应急部署能力；（2）改进ASPP模块：改进空洞空间金字塔池化模块，添加Shuffle Attention模块以增强模型对滑坡特征的注意力并提高多尺度语义特征提取效果；（3）优化损失函数：采用二分类交叉熵和Dice Loss结合的损失函数，以解决滑坡灾害分割任务中样本正负类别不均衡问题。本发明能够明显克服无关信息的干扰，从而准确识别滑坡区域。

公开(公告)号：CN116168291A

公开(公告)日：2023-05-26

申请号：CN202310078176.8

申请日：2023-01-18

Applicant: 福州大学

Inventor： 卢毅敏 ,  郭向钟

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/082

Abstract: 本发明涉及一种基于深度学习的中等分辨率遥感影像茶园信息提取方法。由编码器、瓶颈、解码器和跳跃连接组成。首先，编码器部分使用Swin Transformer的主干网络（四层层次结构），每层由Patch Merging和Swin Transormer块组成；其次，解码器部分是基于CNN网络进行上采样，同时使用跳过连接来融合低级信息和高级信息。最后，优化损失函数以提升提取茶园的精度。该模型能够克服传统深度学习在茶园提取对高分辨率影像的依赖，实现在中等分辨率影像上提取茶园信息，为大范围的茶园制图提供有效方法。