-
公开(公告)号：CN110427836B
公开(公告)日：2020-12-01
申请号：CN201910625252.6
申请日：2019-07-11
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) , 武汉大学
Inventor： 曾安明 , 李朋龙 , 丁忆 , 胡翔云 , 张泽烈 , 胡艳 , 段伦豪 , 张觅 , 李晓龙 , 段松江 , 罗鼎 , 吴凤敏 , 刘金龙 , 刘建 , 黄印 , 陈雪洋 , 钱进 , 魏文杰 , 张黎 , 黄潇莹
Abstract: 本发明公开了一种基于多尺度优化的高分辨率遥感影像水体提取方法，包括如下步骤：搭建待训练卷积神经网络，基于该网络从输入遥感影像中提取多尺度特征，从最低分辨率的特征中获取初始粗糙水体分割结果；通过擦除注意力方法，结合多尺度特征和初始分割结果，输出全分辨率下的水体提取结果；构建多尺度损失函数，获得训练好的卷积神经网络；将待提取的高分辨率遥感影像输入训练好的网络，得到水体提取结果。该方法通过对具有真实水体标注的遥感影像训练数据集进行学习与训练，通过擦除注意力机制的引导，结合多尺度优化策略，在显著提高了总体水体提取精度的同时，还加强了对细小水体的识别与提取。
-
公开(公告)号：CN110427836A
公开(公告)日：2019-11-08
申请号：CN201910625252.6
申请日：2019-07-11
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) , 武汉大学
Inventor： 曾安明 , 李朋龙 , 丁忆 , 胡翔云 , 张泽烈 , 胡艳 , 段伦豪 , 张觅 , 李晓龙 , 段松江 , 罗鼎 , 吴凤敏 , 刘金龙 , 刘建 , 黄印 , 陈雪洋 , 钱进 , 魏文杰 , 张黎 , 黄潇莹
Abstract: 本发明公开了一种基于多尺度优化的高分辨率遥感影像水体提取方法，包括如下步骤：搭建待训练卷积神经网络，基于该网络从输入遥感影像中提取多尺度特征，从最低分辨率的特征中获取初始粗糙水体分割结果；通过擦除注意力方法，结合多尺度特征和初始分割结果，输出全分辨率下的水体提取结果；构建多尺度损失函数，获得训练好的卷积神经网络；将待提取的高分辨率遥感影像输入训练好的网络，得到水体提取结果。该方法通过对具有真实水体标注的遥感影像训练数据集进行学习与训练，通过擦除注意力机制的引导，结合多尺度优化策略，在显著提高了总体水体提取精度的同时，还加强了对细小水体的识别与提取。
-
公开(公告)号：CN110348383B
公开(公告)日：2020-07-31
申请号：CN201910625253.0
申请日：2019-07-11
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) , 武汉大学
Inventor： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
Abstract: 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
公开(公告)号：CN119360227A
公开(公告)日：2025-01-24
申请号：CN202411528649.0
申请日：2024-10-30
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/25 , G06V10/764 , G06V10/772 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种视觉提示引导的遥感影像相似目标检测方法和装置。方法包括：遥感数据选取和预处理，对图像和视觉提示进行数据增强，获得预处理数据集；构建目标检测模型；利用CNN主干网络对预处理图像进行特征提取输入到Transformer的编码器中；利用CNN主干网络对视觉提示进行特征提取后与查询对象相加，输入到Transformer的解码器中；预处理图像和视觉提示的处理数据在解码器中融合，再经FNN输出边界框和标签，得到预测结果；利用损失函数和预测结果，对网络进行训练，获得最终目标检测模型。该方法通过将多分类任务转变为二分类任务(匹配或者不匹配)，以及对采用的遥感数据集进行处理，并引入视觉提示Visual Prompt，从而将DETR模型扩展到相似目标检测任务，并提高模型性能。
-
公开(公告)号：CN113869172B
公开(公告)日：2024-10-15
申请号：CN202111106138.6
申请日：2021-09-22
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
Patent Agency Ranking
公开(公告)号：CN116980523A
公开(公告)日：2023-10-31
申请号：CN202310844127.0
申请日：2023-07-10
Applicant: 武汉大学中南医院
IPC: H04M3/42 , H04M3/54 , H04M3/493 , H04L65/1096
Abstract: 本发明公开了一种增强医院系统电话寻人互通方法、装置、设备及存储介质，所述方法通过本侧话筒上的指纹识别模块获取第一来电者的来电者指纹，通过对侧话筒上的指纹识别模块获取第一接听者的接听者指纹，通过服务器获取第一来电者对应的来电者个人信息和第一接听者的接听者个人信息；当后续来电者拿起任意一个话筒时，根据后续来电者指纹判断后续来电者是否为目标人物；在后续来电者为目标人物时，通过语音播报通知后续来电者需要进行回拨电话，并告知接听者个人信息；在回拨电话完成后，通过服务器将待跟进通话转为完成通话；能够快速确认接听方的真实身份，找到目标人物进行有效沟通，提高了沟通质量和效率。
-
公开(公告)号：CN116861024A
公开(公告)日：2023-10-10
申请号：CN202310674367.0
申请日：2023-06-07
Applicant: 武汉大学
IPC: G06F16/587 , G06F16/55 , G06F16/583
Abstract: 本发明提出一种全球土地利用图文检索样本构建方法及系统，包括如下步骤：步骤1，获取的全球范围内夜光遥感数据，根据全球行政区夜光遥感指数进行空间自相关性分析，划分具有显著发展水平的行政区域，得到具有显著聚类或者离散的地区；步骤2，根据全球土地地表覆盖，首先计算景观指数LSI，然后在选中的显著区域分别计算区域景观指数rLSI、区域的地表覆盖类别景观指数cLSI、每个地理取样单元景观指数uLSI，分别得到每个区域的采样点数量、每个区域中每种地物的采样数量和每个采样点的位置，得到样本点最终的采样分布；步骤3，基于选取的样本点，裁剪出与样本点地理位置匹配的影像数据生成样本数据，利用对应区域的Open Street Map标签作为文本构建图文检索样本数据集。
-
公开(公告)号：CN109919944B
公开(公告)日：2022-09-27
申请号：CN201811639313.6
申请日：2018-12-29
Applicant: 武汉大学
Abstract: 本发明公开了一种复杂场景建筑物变化检测的联合超像素图割优化方法，包括：步骤1、获取两个不同时期的数字表面模型进行格网化处理，融合后对它们实现联合分割，获得联合超像素对象；步骤2、分别对两个时期的原始影像数据，采用基于深度卷积神经网络的语义分割算法实现图像分类，检测出影像中的建筑物；步骤3、以联合超像素对象为处理单元，提取联合超像素对象的多个特征，构建图割优化的数据项和平滑项，并采用最大流最小割理论得到全局最优化解，得到两个时期建筑物的变化对象；步骤4、将建筑物的变化类型进行分类，包括：新建、增高、拆除、降低。本发明的方法能够显著提高建筑物变化检测的精度和可靠性。
-
公开(公告)号：CN113378731B
公开(公告)日：2022-04-15
申请号：CN202110670431.9
申请日：2021-06-17
Applicant: 武汉大学
Abstract: 本发明提供一种基于卷积神经网络和边缘约束能量优化的端到端的绿地水系矢量提取方法，设计适用于遥感影像的绿地水系提取网络架构。该架构包括遥感影像上下文特征抽取与融合，实现待处理区域影像基础特征抽取；在抽取丰富特征的基础上，结合卷积层和上采样层，并采用端到端的以能量优化迭代的方式，得到较精细且平滑的绿地水系边缘；最终使用全连接层或图卷积层微调至精细的绿地水系边缘。另外，本发明采用两种损失交叉熵和Dice损失用于绿地水系的语义识别，并在全卷积网络端和边缘能量约束优化端对识别结果进行约束，以及提出多层坐标点匹配损失函数实现对轮廓点的约束，使得模型能够让预测的结点更好地接近真值轮廓点。
-
公开(公告)号：CN113869172A
公开(公告)日：2021-12-31
申请号：CN202111106138.6
申请日：2021-09-22
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.072 seconds)
