-
公开(公告)号：CN119150682A
公开(公告)日：2024-12-17
申请号：CN202411292478.6
申请日：2024-09-14
Applicant: 中国地质大学(武汉)
IPC: G06F30/27 , G06F18/10 , G06F18/213 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于VMD‑Mamba算法的阶跃型滑坡位移预测方法，该阶跃型滑坡位移预测方法包括构建同一区域内的数据集、变分模态分解、变分模态分解、周期项位移分量预测和预测分量叠加与预测精度评价。本发明基于Mamba模型针对不同的位移分量分别构建单元预测模型与多元预测模型，提高了滑坡累计位移的预测精度。
-
公开(公告)号：CN117636162B
公开(公告)日：2024-07-16
申请号：CN202311565009.2
申请日：2023-11-21
Applicant: 中国地质大学(武汉)
Abstract: 发明提供了一种高光谱图像的稀疏解混方法、装置、设备及存储介质，涉及遥感图像处理技术领域，该构建方法包括：获取高光谱图像，对所述高光谱图像见进行划分，得到多个同质区域；对每个所述同质区域进行图像正则化，得到第一正则化项；基于所述高光谱图像的全局空间信息获取丰度矩阵，并对所述丰度矩阵进行低秩正则化，得到第二正则化项；获取基础稀疏解混模型，基于所述基础稀疏解混模型、所述第一正则化项和所述第二正则化项得到最终的稀疏解混模型，并对所述稀疏解混模型进行求解。本发明提高了稀疏解混算法的准确性，进而提高混解结果的精度。
-
公开(公告)号：CN116740410B
公开(公告)日：2024-01-30
申请号：CN202310434291.4
申请日：2023-04-21
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种双模态目标检测模型构建方法、检测方法及计算机设备，涉及目标检测技术领域，包括：根据原始图像获取双模态图像；通过神经网络模块提取双模态图像的特征，得到初始双模态特征，并利用特征互补模块对双模态图像进行处理得到植被归一化指数；将初始双模态特征发送给特征互补模块，令特征互补模块利用植被归一化指数对初始双模态特征进行特征增强；将中间双模态特征输入图卷积模块得到图卷积双模态特征、第一预测结果和第二预测结果；将第一预测结果和第二预测结果输入超像素掩膜模块生成最终损失；根据最终损失对神经网络模块、特征互补模块和图卷积模块进行参数优
-
公开(公告)号：CN116863343B
公开(公告)日：2024-01-23
申请号：CN202311129089.7
申请日：2023-09-04
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种深度学习模型、海底底质解译方法、装置及介质，涉及遥感信息解译领域，深度学习模型包括编码器模块、特征融合模块、图卷积神经网络模块及解码器模块，编码器模块、特征融合模块、图卷积神经网络模块及解码器模块顺次连接；编码器模块用于输出先验知识特征和多波束影像特征至特征融合模块；特征融合模块用于融合先验知识特征和多波束影像特征，输出融合特征至图卷积神经网络模块；图卷积神经网络模块用于处理融合特征，输出海底编码信息至解码器模块；解码器模块用于解译海底编码信息，输出第一海底底质解译标签。本发明提供的技术方案可以提高海底底质图像解译的准确性，(56)对比文件王凤伟;孔凡;廉清云.基于混合神经网络的多波束图像底质分类.上海海事大学学报.2013,(第04期),全文.唐秋华;周兴华;丁继胜;刘保华.学习向量量化神经网络在多波束底质分类中的应用研究.武汉大学学报(信息科学版).2006,(第03期),全文.
-
公开(公告)号：CN116977750B
公开(公告)日：2023-12-12
申请号：CN202311234948.9
申请日：2023-09-25
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/26 , G06V20/70 , G06V20/10 , G06V10/80 , G06V10/58 , G06V10/56 , G06V10/422 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 度，能够确保矿区土地覆盖精细化场景分类的精本发明公开一种土地覆盖场景分类模型构 度及可靠性。建方法及分类方法，包括：获取遥感图像集，遥感图像集中的遥感图像中包括土地覆盖场景；将遥感图像输入至构建的初始分类模型中，对初始分类模型进行训练，得到目标分类模型；初始分类模型及目标分类模型包括关联的语义分割模型、残差神经网络模型及图神经网络模型。本发明构建的基于语义分割与多级输出的残差神经网络‑图神经网络搭建的目标分类模型，在对输入的遥感图像进行处理时，由于残差神经网络及图神经(56)对比文件黄滢 等.极化自注意力调控的情景式视频实例多尺度分割《.计算机学报》.2022,第45卷第2605-2618页.Haoyi Wang et al..Edge EnhancedChannel Attention-Based Graph ConvolutionNetwork for Scene Classification ofComplex Landscapes《.IEEE Journal ofSelected Topics in Applied EarthObservations and Remote Sensing》.2023,第16卷第3831-3849页.Song Ouyang et al..Combining DeepSemantic Segmentation Network and GraphConvolutional Neural Network for SemanticSegmentation of Remote Sensing Imagery.《Remote Sensing》.2020,第13卷全文.李万琦;李克俭;陈少波.多模态融合的高分遥感图像语义分割方法.中南民族大学学报(自然科学版).2020,(04),全文.
-
Patent Agency Ranking
公开(公告)号：CN117197471A
公开(公告)日：2023-12-08
申请号：CN202311466037.9
申请日：2023-11-07
Applicant: 中国地质大学(武汉)
IPC: G06V10/26 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种岩性制图方法及计算机设备，涉及计算机视觉技术领域；所述岩性制图方法包括：建立岩性类别标签图；根据土地覆盖数据，得到岩性类别标签图的多个类别区域的当前边界范围，并根据当前边界范围，更新岩性类别标签图；将更新后的岩性类别标签图的研究区域按照预设区域进行剪裁，得到多个场景，其中，多个场景包括边界场景和非边界场景；根据非边界场景的类别区域，对研究区域的岩性类别进行预测，得到研究区域的初始岩性分布图；根据边界场景和非边界场景，对研究区域的初始岩性分布图的边界进行类别分割，得到研究区域的最终岩性分布图。本发明得到了更准确和详细的岩性信息，简化了人工解译地质信息图，提高岩性制图的制图效果。
-
公开(公告)号：CN116863343A
公开(公告)日：2023-10-10
申请号：CN202311129089.7
申请日：2023-09-04
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种深度学习模型、海底底质解译方法、装置及介质，涉及遥感信息解译领域，深度学习模型包括编码器模块、特征融合模块、图卷积神经网络模块及解码器模块，编码器模块、特征融合模块、图卷积神经网络模块及解码器模块顺次连接；编码器模块用于输出先验知识特征和多波束影像特征至特征融合模块；特征融合模块用于融合先验知识特征和多波束影像特征，输出融合特征至图卷积神经网络模块；图卷积神经网络模块用于处理融合特征，输出海底编码信息至解码器模块；解码器模块用于解译海底编码信息，输出第一海底底质解译标签。本发明提供的技术方案可以提高海底底质图像解译的准确性，进而反映真实的海底底质种类。
-
公开(公告)号：CN116257805B
公开(公告)日：2023-08-15
申请号：CN202310547141.4
申请日：2023-05-16
Applicant: 中国地质大学(武汉)
IPC: G06F18/2431 , G06F18/214 , G06V20/13 , G06V10/774 , G06N20/00
Abstract: 本发明涉及遥感技术领域，具体而言，涉及一种通行度预测模型构建方法及通行度预测方法，该方法包括：根据不同研究区的立体遥感影像得到地形类数据、地貌类数据、地质类数据和地灾类数据，其中，地灾类数据包括隐患区域数据和灾害区域数据；分别对各类数据进行分析，得到对应的影响因子；对影响因子和各类数据进行预处理，确定综合通行度；基于极端梯度提升算法构建初始预测模型，以预处理后的各类数据和综合通行度为数据集，训练初始预测模型，得到通行度预测模型。本发明的有益效果：通过引入隐患区域数据，有效提高了通行度预测模型的准确性，进而可得到考虑地灾隐患区域的通行度，有效增加了通行度预测的准确性和可靠性。
-
公开(公告)号：CN116337103A
公开(公告)日：2023-06-27
申请号：CN202310551769.1
申请日：2023-05-17
Applicant: 中国地质大学(武汉)
IPC: G01C21/34
Abstract: 本发明提供了一种基于区域分类的分层泛在导航方法、装置及计算机设备，涉及导航技术领域，所述方法包括：获取以路网数据为基础的预设区域分类模型，所述预设区域分类模型包括以矢量路网道路数据为基础的第一区域、以简单轨迹的道路数据为基础的第二区域和以栅格或六边形切分格网的道路数据为基础的第三区域；获取当前路网数据；根据所述当前路网数据和所述预设区域分类模型对当前路网进行区域分类，得到区域分类结果；根据所述区域分类结果获取所述预设区域分类模型中的区域路网数据信息；根据所述路网数据信息对处于所述当前路网下的车辆进行路径规划。本发明能够为三种数据类型的矢量路网提供标准的路径导航，且导航结果准确、高效。
-
公开(公告)号：CN116310459A
公开(公告)日：2023-06-23
申请号：CN202310313453.9
申请日：2023-03-28
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V20/10 , G06V10/54 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/58 , G06V10/77 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，提供了一种基于多视图空谱联合的高光谱图像子空间聚类方法，包括：获取高光谱图像，对所述高光谱图像进行预处理获得空谱样本；提取所述空谱样本的纹理特征和空谱特征；分别根据所述纹理特征和所述空谱特征确定对应的纹理图和空谱图；将所述纹理图和所述空谱图输入构建好的多视图图卷积子空间聚类网络，输出所述高光谱图像的聚类结果，所述多视图图卷积子空间聚类网络包括双分支自表达模块、注意力融合模块和谱聚类模块。本发明提出的多视图图卷积子空间聚类网络，以注意力融合的方式并基于纹理信息和空谱信息，提高了高光谱图像的聚类精度，降低了计算复杂度。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.03 seconds)
