-
公开(公告)号：CN116794737A
公开(公告)日：2023-09-22
申请号：CN202310758397.X
申请日：2023-06-26
Applicant: 安徽大学
IPC: G01V3/38 , G06N3/045 , G06N3/0464 , G06N3/08 , G01V3/12
Abstract: 本发明属于遥感图像智能处理技术领域，具体涉及一种样本优化的被动微波数据无缝重建深度学习方法，本发明获取具有轨道间隙缺失的被动微波数据，充分利用轨道间隙的周期性和相邻时相空间互补性，通过小范围缺失样本对插值生成方法和单次循环掩膜策略进行样本优化，融合U‑net和Transformer构建多时相特征连接重建网络模型，实现无缝重建，得到分布连续、重建区域与原始区域无缝连接的遥感数据。本发明方法有效解决了现有深度学习重建方法在样本数量较少、样本特征不够丰富时，重建结果存在明显的“有缝”痕迹的局限；适用于所有具有轨道间隙的被动微波影像数据或定量参量数据重建，将为全球或区域尺度上被动微波数据的空间完整监测发挥重要作用。
-
公开(公告)号：CN114494868B
公开(公告)日：2022-11-22
申请号：CN202210061551.3
申请日：2022-01-19
Applicant: 安徽大学
Abstract: 本发明公开了摄影测量处理技术领域的基于多特征融合深度学习模型的无人机遥感建筑物智能提取方法，以“如何利用深度学习，模拟人眼立体视觉中建筑物多特征表达形式”为核心，研究基于孪生网络的DSM(数字表面模型)与DOM(数字正射影像)的多特征融合方法，设计建筑物多特征的特征抽取、分析能力，通过密集注意力机制进一步增强建筑物的特征传递和累积整合特性，将原来使用的单网络结构变为使用对称网络结构，并且两个对称网络结构完全相同，并结合注意力机制，构建混合模型，深度挖掘无人机遥感建筑物的多层次、多维度的特征和空间关系，实现顾及建筑物多层次特征的无人机遥感建筑物自动提取新方法。
-
公开(公告)号：CN110110621B
公开(公告)日：2022-03-08
申请号：CN201910329481.3
申请日：2019-04-23
Applicant: 安徽大学
Abstract: 本发明公开了摄影测量数据处理技术领域的基于多特征整合深度学习模型的倾斜摄影点云分类方法，首先，通过研究顾及视觉注意力机制的点云分类优化，实现点云立体视觉注意特征分析方法，以及基于深度学习的立体目标视觉注意力评估方法，并进行识别目标注意力强弱评估与排序；其次，利用立体视觉注意力机制，对待识别的倾斜摄影点云进行点云过滤，开展点云初级特征描述及自学习子模型研究；最后，经过点云场景相对于待识别目标的视觉注意力机制过滤后的点云作为待识别点云；本发明在应用上，取得具有实用价值的倾斜摄影实景点云分类技术，以期切实地推进倾斜摄影应用由“可视化”向“可计算”方向发展。
-
公开(公告)号：CN111079835A
公开(公告)日：2020-04-28
申请号：CN201911294229.X
申请日：2019-12-16
Applicant: 安徽大学
Abstract: 本发明公开了气溶胶遥感技术领域的一种基于深度全连接网络的Himawari-8大气气溶胶反演方法，首先获取Himawari-8静止卫星的NetCDF4格式的遥感影像数据，获得反演模型所需的因变量数据集，其次，获取Himawari-8影像对应时间的AERONET站点1.5等级去云和质量控制的气溶胶产品数据，获得反演模型所需的自变量数据，接着，用整理好的数据集进行深度全连接网络的深度学习模型构建，并进行模型参数设置，用以获取Himawari-8遥感影像数据和地面AERONET站点气溶胶数据之间的关系，构建气溶胶反演模型，最后，将训练得到的深度全连接反演模型应用与监测点上空的Himawari-8遥感影像，得到对应监测位置的AOD反演结果；本发明气溶胶反演过程无需引入其他辅助数据，使其反演过程误差减少，提高AOD反演精度。
-
公开(公告)号：CN108898085A
公开(公告)日：2018-11-27
申请号：CN201810637986.1
申请日：2018-06-20
Applicant: 安徽大学
Abstract: 本发明公开了道路检测技术领域的一种基于手机视频的道路病害智能检测方法，包括以下步骤：第一步、采集道路病害图像，制作成不同类型的道路病害训练样本集，构建一个深度学习网络，对搜集的样本进行训练，得到一个好的深度学习模型；第二步、用手机采集具有GPS信息的视频，并将视频分割成不同时间序列的图像；第三步、将采集的视频图像代入训练好的模型中，识别出不同类型的道路病害，同时利用语义分割提取道路病害的矢量边界以及相应图像中像素坐标；第四步、对手机参数进行标定，获取单目视觉量测的计算参数，根据获取道路病害边界的像素坐标，计算道路病害的尺寸、面积、实际位置等信息；本发明适用于更多道路病害类型、准确度高。
-
Patent Agency Ranking
公开(公告)号：CN108846334A
公开(公告)日：2018-11-20
申请号：CN201810542454.X
申请日：2018-05-30
Applicant: 安徽大学
Abstract: 本发明公开了数字图像识别和深度学习技术领域的一种云类别自动识别方法及系统，包括数据采集模块、云图识别模块、云图结果展示模块和模型构建模块，所述云图结果展示模块分别信号连接数据采集模块、云图识别模块和模型构建模块，通过在密集连接卷积网络(Dense Net)的基础上，提出一种改进的Dense Net，结合手机APP开发和摄像头监测视频处理等技术，解决了由于云的种类繁多，部分提取的特征针对性较强，难以从海量的云图数据中提取有效的特征，不能充分挖掘不同云图之间的内在联系的问题，结构简单，效率提高。
-
公开(公告)号：CN119992329A
公开(公告)日：2025-05-13
申请号：CN202510078099.5
申请日：2025-01-17
Applicant: 安徽大学 , 长江信达软件技术(武汉)有限责任公司
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/52 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于多特征综合感知的多源高分辨率遥感影像植被提取方法。本发明首先通过随机森林模型对植被指数进行特征优选，筛选出能够提升植被与其他地物目标的类间差异性指数，在此基础上构建了多特征综合感知卷积网络，该网络通过构建光谱特征与植被指数特征双支并行网络，在简化密集连接模块的基础上，强化多尺度特征信息提取能力的同时，减少了细节特征的丢失。此外，为了促使原始光谱信息和植被指数特征之间进行全局信息交互，设计双路多头交叉注意融合模块，扩大植被与其他地物的差异性与植被的一致性，提高网络的泛化性能，实现多源高分辨率遥感数据下植被提取。
-
公开(公告)号：CN114708501B
公开(公告)日：2025-04-08
申请号：CN202210314950.6
申请日：2022-03-28
Applicant: 安徽大学
IPC: G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06V10/764 , G06V10/82
Abstract: 本发明涉及遥感影像建筑物检测技术领域，涉及一种基于条件对抗网络的遥感影像建筑物变化检测方法，包括：1)利用全卷积网络，研究多源高分辨率影像建筑物的语义分析和自适应传播方法，研究多时相建筑物形态特征感知方法及隐式概率分布；2)利用损失函数进行网络的优化和训练，开展建筑物多态模拟集的自学习、分析和生成，同时进行真实性判定、优化和对抗，研究生成模型与判别模型之间的对抗与优化方法，提取建筑物的变化概率分布；3)研究建筑物的域不变特征分析方法，加入分类器模型，获取建筑物变化检测结果；4)利用地表真实变化数据进行多种方式的定性与定量评价。本发明利用条件对抗网络实现建筑物变化的有效判定和提取。
-
公开(公告)号：CN119415475B
公开(公告)日：2025-04-04
申请号：CN202510026330.6
申请日：2025-01-08
Applicant: 安徽大学
IPC: G06F15/78 , G06F7/544 , G11C11/412 , G11C11/418 , G11C11/419
Abstract: 本申请涉及一种SRAM的存内乘法运算电路和模块、SRAM和电子设备，其中，该存内乘法运算电路包括存储部分和加权部分，存储部分包括八个存储单元，每个存储单元具有模拟量输入端和模拟量输出端且用于存储单比特权重，每个存储单元在自身存储的单比特权重为1时导通模拟量输入端和模拟量输出端以及在自身存储的单比特权重为0时断开模拟量输入端和模拟量输出端；加权部分包括第一电容、第二电容、第三电容、第四电容、第五电容、第六电容、第七电容、第八电容、第九电容、第十电容和第十一电容。所采用电容的数量和总容值均更少，降低了电路面积开销，解决了目前基于电荷域的SRAM的存内乘法运算电路的面积开销较大的问题。
-
公开(公告)号：CN118675034A
公开(公告)日：2024-09-20
申请号：CN202410745855.0
申请日：2024-06-11
Applicant: 安徽大学 , 安徽省城建设计研究总院股份有限公司 , 长江信达软件技术(武汉)有限责任公司
IPC: G06V10/84 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06V10/776
Abstract: 本发明属于摄影测量数据处理技术领域，具体涉及一种基于贝叶斯的深度学习遥感水质反演黑臭水体识别方法。针对当前黑臭水体识别方法研究不完善，水质参数遥感反演中又存在精度低、种类少，特别是普通神经网络在数据量较少时存在严重的过拟合现象，本发明基于BO‑CNN‑LSTM模型反演水质参数，进而划定指标阈值识别黑臭水体，包括：遥感影像数据获取及处理、特征波段选择、初始化CNN‑LSTM模型构建、贝叶斯算法优化寻参、模型结果输出及精度验证，划定水质参数指标阈值并获取黑臭水体识别结果。实现多类别、多尺度、大范围的智能化水质参数反演，提高水质参数反演精度，拓展黑臭水体识别研究方法，为区域水环境保护和水体污染治理等工作提供基础数据支撑和科学依据。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.034 seconds)
