-
公开(公告)号：CN115631413A
公开(公告)日：2023-01-20
申请号：CN202211271379.0
申请日：2022-10-18
Applicant: 辽宁工程技术大学 , 大连黄渤海海洋测绘数据信息有限公司
Abstract: 本发明公开了一种基于遥感影像的深海养殖浮筏检测方法、系统及储存介质，涉及深海养殖浮筏智能检测技术领域，首先获取深海养殖浮筏区域的遥感影像，构建深海养殖浮筏影像数据库；对所述遥感影像进行影像预处理，得到深海养殖浮筏影像数据集；通过替换主干网络、优化内部模块、调整模型权重分配，得到改进Deeplabv3+模型；依据深海养殖浮筏影像数据集对改进Deeplabv3+模型进行训练，得到浮筏检测模型；将待检测遥感影像输入浮筏检测模型中，得到深海养殖浮筏检测结果。本发明解决了现有深海养殖浮筏检测过程费时费力、工作量大的问题，能够针对不同类型海水背景，对遥感影像进行浮筏实时检测，识别精度高、适用范围广。
-
公开(公告)号：CN114937033B
公开(公告)日：2024-12-20
申请号：CN202210741090.4
申请日：2022-06-27
Applicant: 辽宁工程技术大学
IPC: G06T7/00 , G06T7/10 , G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , E01C23/01 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度卷积神经网络的农村公路路面病害智能检测方法，步骤为：制作多类型农村公路路面病害训练数据集；构建基于全卷积网络的语义分割模型；使用Adam优化器对模型训练过程进行优化；有重叠地裁剪图像并在拼接时采取忽略边缘策略，大图像裁剪成一系列与相邻图像块有特定重复区域的图像块，并把它们存在链表里，然后创建生成器，之后送入训练号的模型进行预测；多类型路面病害分类及损坏状况评定；通过开发路面技术状况评价系统。本发明能够解决因裁剪图像边缘区域的上下文信息较少，预测结果精度较低，进而导致提取病害出现明显拼接痕迹的问题，实现高分辨率图像中病害预测结果的准确性、连续性。
-
公开(公告)号：CN119762907A
公开(公告)日：2025-04-04
申请号：CN202411799839.6
申请日：2022-01-20
Applicant: 辽宁工程技术大学
IPC: G06V10/774 , G06V20/13 , G06V10/82 , G06N3/0464 , G06T5/40 , G06V10/764
Abstract: 本发明公开了一种复杂背景遥感影像地物智能解译方法，涉及遥感影像目标解译技术领域，包括：获取遥感影像地物解译公开数据集并进行预处理，预处理后按比例划分得到训练集、测试集和验证集；构建感知机模型，对训练数据集进行计算，输出目标地物复杂程度阈值，在此基础上选用改进UNet遥感地物解译模型，对公开数据集中所选解译类别地物进行训练权重迭代求解，获取遥感地物智能解译权重模型；将遥感地物智能解译权重模型导入改进UNet遥感地物解译模型，输入测试集，进行自适应遥感地物智能解译。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。
-
Patent Agency Ranking
公开(公告)号：CN114418000A
公开(公告)日：2022-04-29
申请号：CN202210064145.2
申请日：2022-01-20
Applicant: 辽宁工程技术大学
IPC: G06K9/62 , G06N3/04 , G06T5/40 , G06V20/10 , G06V10/774
Abstract: 本发明公开了一种基于自适应感知机的遥感影像智能解译方法及系统，涉及深度学习在遥感影像目标解译技术领域，其中方法包括：在遥感影像智能解译时，对其进行预处理；构建基于局部阈值的自适应感知机；确定阈值范围及感知机权重；根据自适应感知机与改进UNet模型确定解译网络结构；依据前述网络结构与改进UNet遥感智能解译模型，采用自训练迭代方式求取目标地物特征。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。
-
公开(公告)号：CN114359864A
公开(公告)日：2022-04-15
申请号：CN202111613471.6
申请日：2021-12-27
Applicant: 辽宁工程技术大学
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06V10/20 , G06F16/51 , G06F16/55 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明公开了基于正射影像的路面病害检测方法、系统及可存储介质，属于路面病害检测技术领域，包括：获取实测路面正射影像，组成路面病害基准影像数据库，并进行预处理；对路面病害基准影像数据库中的病害数据进行分类，根据预处理结果以及分类结果组成路面病害基准数据集；构建YOLOv5深度学习网络模型，将YOLOv5深度学习网络模型在路面病害基准数据集上进行集成训练，获得多个不同尺度的最佳训练权重模型基于不同尺度的最佳训练权重模型对实测路面正射影像进行集成检测，得到检测结果，实现路面病害实时检测。本发明解决了现有路面检测系统运算时间长、检测类型有限的问题，能在公路质检工作中对公路进行全类型、高精度、快速检测。
-
公开(公告)号：CN114418000B
公开(公告)日：2024-11-19
申请号：CN202210064145.2
申请日：2022-01-20
Applicant: 辽宁工程技术大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06T5/40 , G06V20/10
Abstract: 本发明公开了一种基于自适应感知机的遥感影像智能解译方法及系统，涉及深度学习在遥感影像目标解译技术领域，其中方法包括：在遥感影像智能解译时，对其进行预处理；构建基于局部阈值的自适应感知机；确定阈值范围及感知机权重；根据自适应感知机与改进UNet模型确定解译网络结构；依据前述网络结构与改进UNet遥感智能解译模型，采用自训练迭代方式求取目标地物特征。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。
-
公开(公告)号：CN116543305A
公开(公告)日：2023-08-04
申请号：CN202310526207.1
申请日：2023-05-10
Applicant: 辽宁工程技术大学
IPC: G06V20/10 , G06V20/70 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种顾及波段信息的多光谱遥感影像沙地智能提取方法及系统，该方法包括：1)在U‑Net模型中加入可变形卷积，获得Y‑Net模型，在各波段沙地影像数据集上进行训练、预测及性能评估；2)根据各波段对沙地信息提取的精准程度确定波段权重值，对覆盖沙地的原始多光谱遥感影进行加权重构；3)对加权重构后的新影像进行专家标注，构建波段组合多光谱遥感影像数据集；4)将Y‑Net网络模型在所述波段融合多光谱遥感影像数据集上进行训练，得到组合波段的Y‑Net网络模型的最佳参数；5)对待识别的沙地遥感影像进行预测。利用光谱特征结合深度卷积神经网络解决了现有波段利用效率低，普适性较差等问题，提高地物提取精度。
-
公开(公告)号：CN114937033A
公开(公告)日：2022-08-23
申请号：CN202210741090.4
申请日：2022-06-27
Applicant: 辽宁工程技术大学
IPC: G06T7/00 , G06T7/10 , G06V10/26 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , E01C23/01 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度卷积神经网络的农村公路路面病害智能检测方法，步骤为：制作多类型农村公路路面病害训练数据集；构建基于全卷积网络的语义分割模型；使用Adam优化器对模型训练过程进行优化；有重叠地裁剪图像并在拼接时采取忽略边缘策略，大图像裁剪成一系列与相邻图像块有特定重复区域的图像块，并把它们存在链表里，然后创建生成器，之后送入训练号的模型进行预测；多类型路面病害分类及损坏状况评定；通过开发路面技术状况评价系统。本发明能够解决因裁剪图像边缘区域的上下文信息较少，预测结果精度较低，进而导致提取病害出现明显拼接痕迹的问题，实现高分辨率图像中病害预测结果的准确性、连续性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.057 seconds)
