-
公开(公告)号：CN120032266A
公开(公告)日：2025-05-23
申请号：CN202510100422.4
申请日：2025-01-22
Applicant: 重庆邮电大学
IPC: G06V20/13 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/77 , G06V10/52 , G06V10/42 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/048
Abstract: 本发明涉及一种基于改进YOLOv8s的高分辨率遥感图像目标检测方法，属于遥感图像及目标检测领域。首先，获取高分卫星光学遥感地图数据，并对数据进行预处理；将预处理后的数据输入改进YOLOv8s模型的骨干网络进行特征提取，其中，通过若干个基于PConv和DSConv的C2f‑PD模块进行多尺度特征提取；将多尺度特征输入改进模型的颈部网络进行特征融合，其中，采用基于空间注意力的双输入单输出的增强融合模块加强高低层特征之间的融合程度；将融合特征输入改进模型的头部网络进行目标检测，其中，采用基于PConv的轻量化检测头进行目标检测。本发明能够提升检测精度，降低计算量，且性能优异。
-
公开(公告)号：CN120014481A
公开(公告)日：2025-05-16
申请号：CN202510092277.X
申请日：2025-01-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多任务学习和多源数据特征融合的滑坡提取方法，属于遥感影像处理领域。首先，获取蕴含滑坡特征的多源数据，并进行预处理。然后，将预处理后的数据输入定义的BFM‑UNet模型，该模型包括分支融合编码器和多任务解码器。分支融合编码器通过两个分支分别提取不同源数据的特征，并通过十字绣单元融合该特征，从而有效利用多源数据中的信息。多任务解码器则增加目标区域内广泛存在且容易识别的非滑坡地物的识别任务来辅助滑坡提取，并通过十字绣单元学习任务之间的最佳共享，发挥多任务学习的优势。最后，利用训练好的模型对滑坡进行提取，得到滑坡分布图。实验结果表明，本发明提出的滑坡提取方法能够有效提高滑坡提取的精度，降低误检率。
-
公开(公告)号：CN119963915A
公开(公告)日：2025-05-09
申请号：CN202510061508.0
申请日：2025-01-15
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/10 , G06V10/52 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明涉及一种基于残差光谱与多尺度空间特征提取网络的高光谱图像分类方法，属于高光谱图像处理技术领域，包括以下步骤：S1：输入高光谱图像，预处理并划分训练、验证、测试集；S2：对数据进行初始卷积降维；S3：将降维特征通过Ghost3D残差块和光谱残差注意力机制挖掘高光谱图像数据的光谱特征，并进行维度转换；S4：将光谱特征利用多尺度空间卷积块提取空间纹理特征；S5：将步骤S1‑S4封装入卷积神经网络模型进行训练，通过反向传播方法迭代训练模型中的参数，达到最大迭代次数后停止，得到高光谱图像分类模型；S6：最终，将测试集和验证集输入到高光谱图像分类模型中进行测试和验证，得到分类类标，完成分类。
-
公开(公告)号：CN119963853A
公开(公告)日：2025-05-09
申请号：CN202510061509.5
申请日：2025-01-15
Applicant: 重庆邮电大学
IPC: G06V10/44 , G06V10/82 , G06V10/80 , G06V20/56 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明涉及一种基于CNN和Swin Transformer双编码器的遥感图像道路提取方法，属于遥感影像处理技术领域，包括以下步骤：S1：获取相关的道路影像数据集，进行预处理后划分为训练集、验证集和测试集；S2：构建基于CNN和Swin Transformer双编码器的DPMSRE‑Net；S3：训练模型，通过联合交叉熵损失函数和DICE损失函数计算真实图像和预测图像的损失，并通过反向传播降低损失，使用AdamW优化器调整学习策略；使用验证集和测试集进行验证和测试；S4：利用训练好的DPMSRE‑Net进行道路提取。
-
公开(公告)号：CN118114866A
公开(公告)日：2024-05-31
申请号：CN202410198621.9
申请日：2024-02-22
Applicant: 重庆邮电大学
IPC: G06Q10/063 , G06F18/27 , G06N3/0442 , G06N3/048 , G06T17/05 , G06F30/27
Abstract: 本发明属于地理信息技术领域，具体涉及一种适宜性动态调整的土地利用变化模拟方法；包括：采集模拟区域内基期年至末期年的土地利用数据和驱动因子数据；将当前期的驱动因子输入到训练好的ARIMA‑GRU模型中，得到下一期的驱动因子数据；合并当前期以及下一期的驱动因子数据，将合并数据输出到训练好的VST模型中，得到当前开发适宜性图；将当前开发适宜性图和当前土地利用数据输入到CA，得到下一期的土地利用结果；将土地利用结果作为新的土地利用数据，将下一期的驱动因子数据作为当前期的驱动因子数据，更新开发适宜性图和土地利用结果，直到得到预测目标时期的土地利用结果；本发明可准确的动态模拟未来土地利用变化情况。
-
Patent Agency Ranking
公开(公告)号：CN112669977A
公开(公告)日：2021-04-16
申请号：CN202011463910.5
申请日：2020-12-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种干预的SEIRD‑CA传染病时空扩散模拟与预测方法，属于信息化领域。该方法包括以下步骤：S1：建立干预的SEIRD模块；S2：建立CA模块；S3：建立时空耦合模块；S4：精度检验。干预的SEIRD模型用于预测传染病病例随时间的数量变化；CA模型通过整合传染性疾病的空间适宜性概率、约束性概率、邻域概率和随机概率等将数量预测结果映射到格网空间；时空耦合模块通过构建约束函数将上述两模块耦合，形成CA迭代与转换规则，完成运算。
-
公开(公告)号：CN118093754A
公开(公告)日：2024-05-28
申请号：CN202410217885.4
申请日：2024-02-28
Applicant: 重庆邮电大学
IPC: G06F16/29 , G06F30/20 , G06N5/01 , G06N3/0985 , G06F111/04
Abstract: 本发明属于地理信息领域，尤其涉及一种基于斑块元胞自动机的土地利用变化模拟方法，包括获取研究区域的土地利用变化数据和驱动因子数据构建土地利用变化模拟研究数据集；从土地利用变化模拟研究数据集中随机分层抽样，根据随机分层抽样数据训练随机森林模型和ConViT模型；通过训练好的随机森林模型获取各驱动因子对各种土地利用类型的重要性，构建元胞自动机转换规则；根据元胞自动机转换规则计算各元胞各种土地利用类型的总体转换概率，通过总体转换概率获取各种土地利用类型适宜性图层；通过基于空间相似性增长的斑块元胞自动机双约束模型进行模拟；本发明能够更合理的规划土地利用情况。
-
公开(公告)号：CN116070518A
公开(公告)日：2023-05-05
申请号：CN202310088048.1
申请日：2023-02-09
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06Q10/04 , G06Q50/26 , G06F18/2431 , G06N20/00 , G06N20/20 , G06N3/045 , G06N3/0464 , G06F111/04 , G06F111/08
Abstract: 本发明涉及基于改进MCR耦合USLCT‑CA的城市扩张模拟方法，属于城市规划领域。该方法包括以下步骤：S1：建立RF模型耦合MCR模型构建生态敏感性分区；S2：建立USLCT模型(城市扩张轻量级卷积Transformer模型)获取邻域效应；S3：建立USLCT模型与CA模型的耦合模型；S4：建立引入生态用地阻力影响的USLCT‑CA模型。本发明将USLCT与改进MCR模型结合并耦合CA模型，首先基于USLCT模型提取邻域驱动因子特征；其次使用改进MCR模型通过机器学习方法替代专家知识打分。该方法用于提升城市扩张模拟的精度与可靠性，以及研究城市扩张受到相关政策的影响的模拟结果。
-
公开(公告)号：CN116030899A
公开(公告)日：2023-04-28
申请号：CN202310056034.1
申请日：2023-01-16
Applicant: 重庆邮电大学
IPC: G16C20/20 , G16C20/70 , G06N3/0442 , G06N3/045 , G06N3/086 , G06F18/2135
Abstract: 本发明涉及一种融合分区建模思想的GA‑LSTM模型预测PM2.5浓度方法，属于大气污染领域。该方法包括：S1：构建经济空间特征因素；S2：将驱动因素进行分区，并采用PCA将多维驱动数据进行降维处理；S3：采用遗传算法GA对LSTM的参数进行优化，得到最优的LSTM模型的层数和全连接层数以及每层的神经元个数；其中，GA表示遗传算法；S4：利用优化后LSTM模型来预测各个分区的PM2.5浓度结果。本发明能提升模型效率和预测精度。
-
公开(公告)号：CN115984044A
公开(公告)日：2023-04-18
申请号：CN202310161580.1
申请日：2023-02-24
Applicant: 重庆邮电大学
IPC: G06Q50/14 , G06Q10/04 , G06Q10/0639 , G06F18/214 , G06N5/01 , G06N20/00
Abstract: 本发明涉及一种旅游发展高潜力村落的挖掘方法，属于人工智能领域。该方法为：先初步处理；训练随机森林模型并调优，并利用训练好的模型得到所有栅格预测为乡村旅游重点村的概率；对所有非乡村旅游重点村的行政村进行预测概率的分区统计，依据归一化后的分区统计结果对所有行政村进行排序，视为旅游发展潜力排名；计算研究区域内的乡村旅游重点村服务范围，并排除服务范围和现有重点村有冲突的村落。本发明构建了可量化的乡村旅游发展适宜性评估模型，为识别旅游发展高潜力村落提供指导。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.019 seconds)
