-
公开(公告)号：CN111507321A
公开(公告)日：2020-08-07
申请号：CN202010623009.3
申请日：2020-07-01
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种多输出土地覆盖分类模型的训练方法、分类方法及装置，所述训练方法包括：获取训练数据；将所述训练数据输入至基于深度置信网络的初始模型中进行训练，获得多输出土地覆盖分类模型，其中，所述初始模型包含N级输出，所述N级输出包括设置于所述初始模型最后一个网络层的输出和设置于所述初始模型第一个网络层至倒数第二个网络层中任意N-1个网络层的N-1级输出，根据所述N级输出的损失确定总损失，基于所述总损失进行反向传播，以调整所述初始模型的参数，N为大于或等于2的整数。本发明可使模型反向传播时不易发生梯度消失现象，有利于提高分类精度。
-
公开(公告)号：CN119180979B
公开(公告)日：2025-05-13
申请号：CN202411001631.5
申请日：2024-07-25
Applicant: 中国地质大学(武汉) , 新疆生产建设兵团自然资源卫星应用技术中心(兵团自然资源基础数据中心)
IPC: G06V10/764 , G06V10/774 , G06V20/13 , G06V20/17 , G06V10/44
Abstract: 本发明提供了一种基于特征交互和场景‑语义协同的矿山占地模型训练方法，涉及深度学习技术领域，该方法包括：获取场景分类数据集，其中，场景分类数据集包括多个遥感图像；将遥感图像输入初始训练模型，得到预测结果，根据预测结果得到损失值，通过损失值对初始训练模型进行调优，得到矿山占地模型；初始训练模型包括特征提取模块和特征交互模块，通过特征提取模块对遥感图像进行特征提取，得到浅层特征数据和深层特征数据；通过特征交互模块将浅层特征数据和深层特征数据，通过自注意力机制进行任务交互处理，得到目标特征数据，目标特征数据用于得到预测结果。本发明提高现有模型在矿山占地任务中，面对不同任务的差异时的数据特征处理能力。
-
公开(公告)号：CN118552786A
公开(公告)日：2024-08-27
申请号：CN202410703996.6
申请日：2024-06-03
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V20/10 , G06V10/82 , G06N3/09
Abstract: 本发明提供了一种分类模型的训练方法、高光谱图像分类方法、装置及设备，涉及遥感图像处理技术领域，分类模型的训练方法包括对处理后的高光谱图像顺次应用空间自注意和光谱自注意，生成空间光谱特征数据令牌；对所述空间光谱特征数据令牌分别进行重构和对比多视图学习，生成重构损失和对比损失；基于所述重构损失和所述对比损失，训练分类模型，得到预训练模型；基于所述预训练模型，根据所述高光谱图像和对应标签，生成交叉熵损失，并根据所述交叉熵损失，微调所述预训练模型，得到最终分类模型。本发明不仅不需要大量的样本数据，还会更好的训练模型，极大地提高分类模型的精度。
-
公开(公告)号：CN117689960B
公开(公告)日：2024-04-26
申请号：CN202410134343.0
申请日：2024-01-31
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V20/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种岩性场景分类模型构建方法及分类方法，涉及图像处理技术领域，岩性场景分类模型构建方法包括获取地质遥感影像，构建数据集；根据数据集，训练初始分类模型，得到岩性场景分类模型，其中，初始分类模型包括场景分类子模型、语义分割子模型以及结果融合模块，场景分类子模型用于根据地质遥感影像输出第一分类图，语义分割子模型用于根据地质遥感影像输出第二分类图，结果融合模块用于融合第一分类图和第二分类图，生成岩性场景分类图；场景分类子模型包括特征提取模块、通道特征增强模块、上下文特征增强模块以及输出模块。通过数据集对初始分类模型不断训练，得到的岩性场景分类模型可提高岩性场景分类的精度。
-
公开(公告)号：CN117689960A
公开(公告)日：2024-03-12
申请号：CN202410134343.0
申请日：2024-01-31
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V20/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种岩性场景分类模型构建方法及分类方法，涉及图像处理技术领域，岩性场景分类模型构建方法包括获取地质遥感影像，构建数据集；根据数据集，训练初始分类模型，得到岩性场景分类模型，其中，初始分类模型包括场景分类子模型、语义分割子模型以及结果融合模块，场景分类子模型用于根据地质遥感影像输出第一分类图，语义分割子模型用于根据地质遥感影像输出第二分类图，结果融合模型用于融合第一分类图和第二分类图，生成岩性场景分类图；场景分类子模型包括特征提取模块、通道特征增强模块、上下文特征增强模块以及输出模块。通过数据集对初始分类模型不断训练，得到的岩性场景分类模型可提高岩性场景分类的精度。
-
Patent Agency Ranking
公开(公告)号：CN116704363B
公开(公告)日：2024-01-26
申请号：CN202310573394.9
申请日：2023-05-22
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于深度学习模型的土地覆盖分类方法及装置，涉及遥感信息技术领域，深度学习模型包括对抗学习模块、对比学习模块、图卷积神经网络模块以及输出模块；对抗学习模块用于根据获取的遥感多光谱数据的源域数据以及目标域数据，生成相似目标域数据和相似源域数据；对比学习模块用于处理源域数据、目标域数据、相似目标域数据和相似源域数据，获得源域光谱特征和目标域光谱特征；图卷积神经网络模块用于处理源域光谱特征和目标域光谱特征，得到土地覆盖分类信息；输出模块用于解码土地覆盖分类信息，得到土地覆盖分类结果。通过对抗学习模块、对比学习模块和图卷积(56)对比文件Diya Zhang 等.Three-Stream and DoubleAttention-Based DenseNet-BiLSTM for FineLand Cover Classification of ComplexMining Landscapes《.Sustainability》.2022,全文.潘少明;王玉杰;种衍文.基于图卷积神经网络的跨域行人再识别.华中科技大学学报(自然科学版).2020,(09),全文.
-
公开(公告)号：CN116797787A
公开(公告)日：2023-09-22
申请号：CN202310573090.2
申请日：2023-05-22
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及图像处理技术领域，提供了一种基于跨模态融合与图神经网络的遥感影像语义分割方法，包括：获取RGB遥感图和对应的高程图；将所述RGB遥感图和所述高程图输入第一双流编码器‑解码器模块，输出第一重构特征图；将所述第一重构特征图输入图卷积神经网络模块，输出一级分类体系预测图像；将所述RGB遥感图、所述高程图以及所述一级分类体系预测图像输入构建好的语义分割网络，输出二级分类体系预测图像。本发明将一级分类体系预测图像的先验信息融入二级分类体系预测图像的预测过程中，可以引导网络关注不同类别间的差异化特征，提高分割的整体性，从而有效提升了遥感影像语义分割的精确度。
-
公开(公告)号：CN116704363A
公开(公告)日：2023-09-05
申请号：CN202310573394.9
申请日：2023-05-22
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种深度学习模型、土地覆盖分类方法及装置，涉及遥感信息技术领域，深度学习模型包括对抗学习模块、对比学习模块、图卷积神经网络模块以及输出模块；对抗学习模块用于根据获取的土地遥感多光谱场景的源域数据以及目标域数据，生成相似目标域数据和相似源域数据；对比学习模块用于处理源域数据、目标域数据、相似目标域数据和相似源域数据，获得源域光谱特征和目标域光谱特征；图卷积神经网络模块用于处理源域光谱特征和目标域光谱特征，得到土地覆盖分类信息；输出模块用于解码土地覆盖分类信息，得到土地覆盖分类结果。通过对抗学习模块、对比学习模块和图卷积神经网络模块的联合作用下，可以输出准确的土地覆盖分类结果。
-
公开(公告)号：CN116563672A
公开(公告)日：2023-08-08
申请号：CN202310814753.5
申请日：2023-07-05
Applicant: 中国地质大学(武汉)
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明提供一种岩土体分类模型构建方法及岩土体分类方法，涉及遥感图像处理技术领域，该方法包括：获取研究区的遥感影像、第一地质图数据和第二地质图数据，分别根据第一地质图数据对遥感影像进行配准处理和标注处理，得到第一影像数据和第一标注结果，根据第二地质图数据对遥感影像进行配准处理和标注处理，得到第二影像数据和第二标注结果；将第一标注结果和第二标注结果进行归并，得到第三标注结果；构建初始基模型和初始集成模型，训练初始基模型和初始集成模型，得到基模型和集成模型，以构建岩土体分类模型。本发明的有益效果：引入小比例尺的地质图数据训练分类模型，有效提升了模型的准确率，进而提升岩土体分类的准确性。
-
公开(公告)号：CN116524369A
公开(公告)日：2023-08-01
申请号：CN202310414490.9
申请日：2023-04-18
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V20/10 , G06V10/774 , G06V10/26 , G06V10/82 , G06V10/776 , G06V10/764 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了遥感影像分割模型构建方法、装置及遥感影像解译方法，涉及图像处理领域，遥感影像分割模型构建方法包括：获取原始多光谱影像，并对原始多光谱影像进行超像素分割，以得到超像素分割结果；对所述超像素分割结果进行特征提取，以得到初始超像素特征和初始超像素标签；获取类别共现矩阵；根据超像素分割结果构建拓扑图，并将类别共现矩阵融合到拓扑图中以得到初始拓扑图；根据超像素分割结果构建初始特征图，并根据初始特征图、初始超像素特征、初始拓扑图和初始超像素标签对原始分割模型进行训练及调优得到遥感影像分割模型。解决了在利用多光谱遥感图像对土地覆盖进行分类时因忽略不同局部区域的长程空间关系，导致边界信息丢失问题。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.043 seconds)
