-
公开(公告)号：CN116402690A
公开(公告)日：2023-07-07
申请号：CN202310435422.0
申请日：2023-04-21
Applicant: 西安电子科技大学
IPC: G06T3/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06T7/13 , G06N3/04 , G06N3/08
Abstract: 一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法、系统、设备及介质，方法包括：对从卫星获取的高分辨率遥感影像进行预处理，得到高分辨率遥感影像数据集De，将高分辨率遥感影像数据集De按比例划分为训练集验证集和测试集设计搭建基于深度学习的高分辨率遥感影像道路提取网络；计算网络损失；设置网络训练参数；网络训练；网络测试；结果评估；系统、设备及介质，用于实现一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法；本发明利用Canny边缘算子对道路遥感影像进行预处理，获得遥感影像中道路的边缘特征；基于U‑Net模型，融合多头自注意力机制模块，解决了现有技术参数量大，耗费时间多，道路提取精度低的问题。
-
公开(公告)号：CN119964020A
公开(公告)日：2025-05-09
申请号：CN202510029480.2
申请日：2025-01-08
IPC: G06V20/13 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 一种检测双时相遥感影像上滑坡变化区域的方法、系统、设备及介质，方法包括：构建遥感影像上滑坡变化区域检测网络；收集滑坡样本和非滑坡样本数据集，并将该数据集划分为训练集、验证集和测试集；将训练集和验证集依次输入至遥感影像上滑坡变化区域检测网络中进行训练和验证，得到训练好的遥感影像上滑坡变化区域检测网络，并保存权重文件；将测试集输入到训练好的遥感影像上滑坡变化区域检测网络中，加载训练好的遥感影像上滑坡变化区域检测网络的权重文件，输出遥感影像上滑坡变化区域检测结果并保存标签文件；系统、设备及介质用于实现该方法；本发明具有充分提取特征信息，增强模型对图像全局信息的捕获能力的优点。
-
公开(公告)号：CN118212532B
公开(公告)日：2024-12-10
申请号：CN202410522360.1
申请日：2024-04-28
IPC: G06V20/10 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 一种基于孪生混合注意力机制和多尺度特征融合提取双时相遥感影像中建筑物变化区域方法，对获取的遥感影像建筑物变化检测数据集预处理，并划分为训练集、验证集和测试集；构建遥感影像建筑物变化检测网络；将训练集和验证集依次输入遥感影像建筑物变化检测网络中进行训练和验证，并保存权重参数文件；将测试集输入至训练好的遥感影像建筑物变化检测网络中进行测试，加载权重参数文件，输出遥感影像建筑物变化检测结果；本发明通过引入混合注意力特征提取模块，多尺度特征融合模块及空洞坐标注意力上采样模块，能够有效进行特征融合，共同提取多尺度特征，具有充分提取特征信息，避免信息冗余和噪声干扰，增强模型对图像全局信息的捕获能力的优点。
-
公开(公告)号：CN118736107A
公开(公告)日：2024-10-01
申请号：CN202410704707.4
申请日：2024-06-03
Applicant: 西安电子科技大学 , 中国人民解放军联勤保障部队第九八七医院
Abstract: 一种基于空洞卷积和自注意力机制的三维重建方法、系统、设备及介质，方法：通过特征提取网络对输入多个视角的图像进行提取特征；通过可微单应性变换将提取到的特征图转换为代价体；通过代价体正则化将代价体转换为概率体；对概率体进行深度图初始估计，得到初始深度图；对初始深度图优化，得到优化深度图；对初始深度图和优化深度图进行损失计算；对深度图进行融合、通过坐标变换得到稠密点云，最后进行三维点云重建；系统、设备及介质用于实现该方法；本发明通过在特征提取部分引入空洞卷积、在代价体正则化过程中引入自适应通道注意力机制，能够针对不同数据集进行调整，在保证准确性和效率的同时，大幅减少计算资源和时间的消耗。
-
公开(公告)号：CN118212532A
公开(公告)日：2024-06-18
申请号：CN202410522360.1
申请日：2024-04-28
IPC: G06V20/10 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 一种基于孪生混合注意力机制和多尺度特征融合提取双时相遥感影像中建筑物变化区域方法，对获取的遥感影像建筑物变化检测数据集预处理，并划分为训练集、验证集和测试集；构建遥感影像建筑物变化检测网络；将训练集和验证集依次输入遥感影像建筑物变化检测网络中进行训练和验证，并保存权重参数文件；将测试集输入至训练好的遥感影像建筑物变化检测网络中进行测试，加载权重参数文件，输出遥感影像建筑物变化检测结果；本发明通过引入混合注意力特征提取模块，多尺度特征融合模块及空洞坐标注意力上采样模块，能够有效进行特征融合，共同提取多尺度特征，具有充分提取特征信息，避免信息冗余和噪声干扰，增强模型对图像全局信息的捕获能力的优点。
-
Patent Agency Ranking
公开(公告)号：CN116306790B
公开(公告)日：2024-05-28
申请号：CN202310055594.5
申请日：2023-01-16
Applicant: 西安电子科技大学
IPC: G06N3/045 , G06N3/0442 , G06N3/0464
Abstract: 一种基于CNN‑GRU和注意力机制的近海船舶轨迹实时预测方法、系统、设备及介质，方法包括：对卫星获取的船舶AIS轨迹数据进行预处理，得到训练集和测试集；构建基于深度学习的轨迹预测网络；构建损失函数MSE；设置网络训练参数；用得到的训练集对构建的轨迹预测网络进行训练，得到训练网络模型；递归预测；系统、设备及介质，用于实现基于CNN‑GRU和注意力机制的近海船舶轨迹实时预测方法；本发明通过使用CNN网络对输入的时序轨迹数据进行特征提取，采用双层GRU网络提取数据的长期特征，并引入注意力机制计算权重，获取关键因素，设置损失函数和训练参数对构建的网络进行训练，进而对轨迹进行递归预测；本发明具有预测精度高、实时性以及适应性强的特点。
-
公开(公告)号：CN117152625A
公开(公告)日：2023-12-01
申请号：CN202310983129.8
申请日：2023-08-07
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/40 , G06V10/52 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 一种基于CoordConv和YOLOv5的遥感小目标识别方法、系统、设备及介质，方法包括：将获取的遥感数据集进行预处理，得到训练集、验证集和测试集，使用K‑means聚类算法对训练集进行聚类，得到最优锚框尺寸；构建基于CoordConv和YOLOv5的遥感小目标识别网络；根据设置的网络训练参数，使用训练集和训练集的最优锚框尺寸对构建的基于CoordConv和YOLOv5的遥感小目标识别网络进行训练，每一轮训练结束后，得到一个训练权重文件；通过验证集对训练权重文件进行验证，选取最优权重文件；将测试集和最优权重文件输入到步骤四训练好的网络进行目标识别，得到目标识别结果；系统、设备及介质，用于实现该方法；本发明能够提高遥感密集小目标的识别精度，具有目标识别精度高和算法鲁棒性高的优点。
-
公开(公告)号：CN114565657B
公开(公告)日：2023-08-15
申请号：CN202210206783.3
申请日：2022-03-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于边缘梯度和方向纹理提取遥感影像中河宽的方法，其实现步骤为：对河道范围内的数字高程模型数据进行水文分析，确定河网，划定缓冲区，并对影像进行裁剪，得到缓冲区影像，利用水体指数确定河道在缓冲区影像中的位置，根据灰度梯度的变化确定河道的边界，找出河道中心线上的点，由方向纹理特征确定河道的延伸方向，进一步确定河道的正交方向，再根据河道正交方向计算河道的宽度。本发明能够较好的解决提取遥感影像中河宽的过程中存在山体阴影的干扰的问题，具有普适性强、精度高的优点。
-
公开(公告)号：CN117152625B
公开(公告)日：2024-10-22
申请号：CN202310983129.8
申请日：2023-08-07
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/40 , G06V10/52 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 一种基于CoordConv和YOLOv5的遥感小目标识别方法、系统、设备及介质，方法包括：将获取的遥感数据集进行预处理，得到训练集、验证集和测试集，使用K‑means聚类算法对训练集进行聚类，得到最优锚框尺寸；构建基于CoordConv和YOLOv5的遥感小目标识别网络；根据设置的网络训练参数，使用训练集和训练集的最优锚框尺寸对构建的基于CoordConv和YOLOv5的遥感小目标识别网络进行训练，每一轮训练结束后，得到一个训练权重文件；通过验证集对训练权重文件进行验证，选取最优权重文件；将测试集和最优权重文件输入到步骤四训练好的网络进行目标识别，得到目标识别结果；系统、设备及介质，用于实现该方法；本发明能够提高遥感密集小目标的识别精度，具有目标识别精度高和算法鲁棒性高的优点。
-
公开(公告)号：CN115131680B
公开(公告)日：2024-08-20
申请号：CN202210790355.X
申请日：2022-07-05
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度可分离卷积和跳跃连接的遥感影像水体提取方法，解决了水体样本标注效率低，河流支流或小水体提取困难的技术难题。实现步骤包括，获取原始遥感图像并预处理；用最大似然分类法得到水体标签；裁剪并筛选组成数据集；图像增强；构建基于FASPP的卷积网络DUPnet；建立图像输入网络的特征提取流程；构建混合损失函数TCELosss和设置训练参数；得到水体提取结果。本发明构建DUPnet网络，网络编码器使用深度可分离卷积减少特征信息丢失；网络的跳跃连接使用FASPP弥补采样过程造成的特征损失；构建TCELoss改善数据集中正负样本不平衡的问题。本发明用于从遥感影像中高质量提取水体，提高了制作遥感影像水体样本效率和水体分割精度。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.032 seconds)
