-
公开(公告)号：CN113269223B
公开(公告)日：2022-04-22
申请号：CN202110281893.1
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN113269223A
公开(公告)日：2021-08-17
申请号：CN202110281893.1
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN113011427B
公开(公告)日：2022-06-21
申请号：CN202110285256.1
申请日：2021-03-17
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了基于自监督对比学习的遥感图像语义分割方法，包括以下步骤：构建语义分割网络模型(如Deeplab v3+)；采用无标注数据对所述网络模型的编码器进行预训练；预训练完成后，在标注样本上对所述网络模型进行有监督语义分割训练；采用有监督语义分割训练完成的网络模型对遥感图像进行语义分割；在预训练的过程中，采用全局风格对比和局部匹配对比结合的方式进行对比学习。本发明将对比自监督学习应用于到了遥感语义分割数据集，提出了全局风格和局部匹配对比学习框架，形成了基于自监督对比学习的遥感图像语义分割方法，使得语义分割方法的适用面更广，分割效果更好。
-
公开(公告)号：CN113159122A
公开(公告)日：2021-07-23
申请号：CN202110280016.2
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62
Abstract: 本发明公开了基于社交媒体图像数据的城市风貌分析方法，方法包括：获取社交媒体图像数据；对数据集的样本进行分类和去除噪声；使用卷积神经网络进行风貌学习；对样本不平衡问题进行处理；进行迁移学习；对风貌特征进行聚类；计算城市间的风貌距离；分析城市间的风貌相似性及城市的细粒度风貌。本发明将城市风貌编码为一组向量；解决了社交媒体图像分布的不均衡问题；利用城市风貌向量定义了城市风貌距离，使用该距离能分析出不同城市如何表象出风貌相似和风貌相近的，能分析出风貌距离和地理距离的相关性；使用城市风貌向量为嵌入向量的聚类方法，能够更细致地发现城市细粒度风貌。
-
公开(公告)号：CN115019123B
公开(公告)日：2023-04-18
申请号：CN202210555496.3
申请日：2022-05-20
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
IPC: G06V10/774 , G06V10/778 , G06V10/82 , G06V10/764 , G06V20/10 , G06V20/70 , G06N3/0455 , G06N3/047 , G06N3/0895 , G06N3/091 , G06N3/096
Abstract: 本发明公开了一种遥感图像场景分类的自蒸馏对比学习方法，包括：由结构一样的教师网络和学生网络组成长程依赖捕获主干网络模块；获取遥感图像并将图像进行全局切片、局部切片、尺度对齐及数据增强，得到同一张图像的融入尺度信息的不同版本；将全局切片图像送入教师网络、将全局切片图像和尺度对齐后的局部切片图像共同送入学生网络进行自蒸馏对比学习；获得不同版本的图片表征，再经过softmax将表征转化为概率分布，训练网络使学生网络输出的概率分布尽量匹配教师网络输出的概率分布；采用自蒸馏的方式训练神经网络模型；输出场景分类结果。本发明不依赖标签和负样本，可捕捉RSI的全局语义信息，可学习到RSI的多尺度特征。
-
Patent Agency Ranking
公开(公告)号：CN113011427A
公开(公告)日：2021-06-22
申请号：CN202110285256.1
申请日：2021-03-17
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
Abstract: 本发明公开了基于自监督对比学习的遥感图像语义分割方法，包括以下步骤：构建语义分割网络模型(如Deeplab v3+)；采用无标注数据对所述网络模型的编码器进行预训练；预训练完成后，在标注样本上对所述网络模型进行有监督语义分割训练；采用有监督语义分割训练完成的网络模型对遥感图像进行语义分割；在预训练的过程中，采用全局风格对比和局部匹配对比结合的方式进行对比学习。本发明将对比自监督学习应用于到了遥感语义分割数据集，提出了全局风格和局部匹配对比学习框架，形成了基于自监督对比学习的遥感图像语义分割方法，使得语义分割方法的适用面更广，分割效果更好。
-
公开(公告)号：CN115019123A
公开(公告)日：2022-09-06
申请号：CN202210555496.3
申请日：2022-05-20
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
IPC: G06V10/774 , G06V10/778 , G06V10/82 , G06V10/764 , G06K9/62 , G06V20/10 , G06V20/70 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种遥感图像场景分类的自蒸馏对比学习方法，包括：由结构一样的教师网络和学生网络组成长程依赖捕获主干网络模块；获取遥感图像并将图像进行全局切片、局部切片、尺度对齐及数据增强，得到同一张图像的融入尺度信息的不同版本；将全局切片图像送入教师网络、将全局切片图像和尺度对齐后的局部切片图像共同送入学生网络进行自蒸馏对比学习；获得不同版本的图片表征，再经过softmax将表征转化为概率分布，训练网络使学生网络输出的概率分布尽量匹配教师网络输出的概率分布；采用自蒸馏的方式训练神经网络模型；输出场景分类结果。本发明不依赖标签和负样本，可捕捉RSI的全局语义信息，可学习到RSI的多尺度特征。
-
公开(公告)号：CN113159122B
公开(公告)日：2022-03-15
申请号：CN202110280016.2
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/762
Abstract: 本发明公开了基于社交媒体图像数据的城市风貌分析方法，方法包括：获取社交媒体图像数据；对数据集的样本进行分类和去除噪声；使用卷积神经网络进行风貌学习；对样本不平衡问题进行处理；进行迁移学习；对风貌特征进行聚类；计算城市间的风貌距离；分析城市间的风貌相似性及城市的细粒度风貌。本发明将城市风貌编码为一组向量；解决了社交媒体图像分布的不均衡问题；利用城市风貌向量定义了城市风貌距离，使用该距离能分析出不同城市如何表象出风貌相似和风貌相近的，能分析出风貌距离和地理距离的相关性；使用城市风貌向量为嵌入向量的聚类方法，能够更细致地发现城市细粒度风貌。
-
公开(公告)号：CN117011698B
公开(公告)日：2024-05-03
申请号：CN202310753327.5
申请日：2023-06-25
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06V20/70 , G06V10/82
Abstract: 本发明公开了一种多维度和多模型的地表全覆盖解译样本集评价方法，步骤1：构建地表覆盖解译样本集评价指标；步骤2：建立指标打分模型和泛化性评价模型；步骤3：将待评价样本集分别训练指标打分模型和泛化性评价模型，指标打分模型得到各评价指标得分；步骤4：对各评价指标得分进行交叉综合分析并加权计算得出指标评分；步骤5：构建泛化性评估测试数据集；步骤6：在泛化性评估测试数据集对泛化性评价模型进行测试，得到泛化性评分；步骤7；建立指标评分和泛化性评分的评级，若评级不同，则取较低评级为最终样本集评价。本发明从样本集自身特性和模型训练泛化性两个角度出发，使得地表覆盖解译样本集的评价更加有效、客观。
-
公开(公告)号：CN117011698A
公开(公告)日：2023-11-07
申请号：CN202310753327.5
申请日：2023-06-25
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心)
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06V20/70 , G06V10/82
Abstract: 本发明公开了一种多维度和多模型的地表全覆盖解译样本集评价方法，步骤1：构建地表覆盖解译样本集评价指标；步骤2：建立指标打分模型和泛化性评价模型；步骤3：将待评价样本集分别训练指标打分模型和泛化性评价模型，指标打分模型得到各评价指标得分；步骤4：对各评价指标得分进行交叉综合分析并加权计算得出指标评分；步骤5：构建泛化性评估测试数据集；步骤6：在泛化性评估测试数据集对泛化性评价模型进行测试，得到泛化性评分；步骤7；建立指标评分和泛化性评分的评级，若评级不同，则取较低评级为最终样本集评价。本发明从样本集自身特性和模型训练泛化性两个角度出发，使得地表覆盖解译样本集的评价更加有效、客观。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.056 seconds)
