-
公开(公告)号：CN119323725B
公开(公告)日：2025-05-06
申请号：CN202411339025.4
申请日：2024-09-25
Applicant: 中国石油大学(华东) , 自然资源部第一海洋研究所 , 山东黄河三角洲国家级自然保护区管理委员会
IPC: G06V20/10 , G06V10/28 , G06V10/32 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种滨海湿地典型植被遥感图像语义变化检测方法，属于光学遥感影像变化检测领域。该方法包括以下步骤：S1、对遥感图像进行数据预处理，并制作滨海湿地典型植被遥感语义变化检测数据集；S2、计算遥感图像的归一化差异植被指数和归一化差异水体指数，并提取反映滨海湿地地物要素特征的深层语义多层特征图；S3、送入域对齐模块，得到域对齐后的语义引导特征图；S4、送入多任务解码器，得到滨海湿地变化检测图与双时相滨海湿地遥感影像典型植被类别预测图；S5、进行掩膜处理和矢量化处理，得到滨海湿地典型植被语义变化检测矢量图。本发明能够有效提高变化检测的精度和效率，为滨海湿地的保护和管理提供科学依据。
-
公开(公告)号：CN118887547B
公开(公告)日：2024-12-27
申请号：CN202411355548.8
申请日：2024-09-27
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/44 , G06V10/54 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/771 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于类别感知距离的跨域小样本SAR溢油检测方法，属于溢油检测领域，包括：从全极化SAR溢油数据中提取源域数据集和目标域数据集；构建位置注意力模块、全局自注意力模块和自适应窗口变换模块，基于位置注意力模块、全局自注意力模块和自适应窗口变换模块构建特征提取网络；构建特征类别判定网络，基于特征提取网络和特征类别判定网络构建溢油检测模型；基于源域数据集和目标域数据集对溢油检测模型进行训练；将待检测溢油数据输入到训练后的溢油检测模型中，获得溢油分类结果。本发明中的溢油检测模型借助源域的知识帮助目标域利用少量的训练样本进行分类，不仅提高溢油检测中的准确性，还增强了模型的鲁棒性。
-
公开(公告)号：CN117994616A
公开(公告)日：2024-05-07
申请号：CN202410048270.3
申请日：2024-01-12
Applicant: 中国石油大学(华东)
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/58 , G06V10/77 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了基于交互式Transformer‑CNN网络的高光谱与激光雷达数据融合分类方法。在高光谱图像(HSI)和激光雷达(LiDAR)融合分类中，大多现有方法对两种模态应用相似的处理，忽略了特征差异。此外，这些方法的特征提取过程缺乏必要的跨模态交互，导致互补信息利用不足，融合效果不理想。本发明提出一种基于交互式Transformer‑CNN的融合分类网络。具体而言，设计了一个异构三分支网络，其中Transformer封装HSI的全局空间和光谱信息，CNN捕获LiDAR的局部高程特征。然后引入高程‑空间、光谱‑空间交互模块进行多阶段特征交互。最后，相互作用的高程、空间和光谱特征通过门控融合模块实现自适应分层融合，得到最终特征表示。在三个数据集上进行的实验证明了所提方法的有效性。
-
公开(公告)号：CN113902748A
公开(公告)日：2022-01-07
申请号：CN202110990896.2
申请日：2021-08-26
Applicant: 中国石油大学(华东)
Abstract: 本发明提出一种基于改进U‑net的无人机海上溢油路径识别方法及装置，其中，方法包括利用无人机采集视频数据；从视频数据中获取预设数量的图像，对图像中的溢油像素进行标注，根据标注后的溢油像素生成溢油数据集；基于多尺度U‑Net语义分割算法，根据溢油数据集对预设的全卷积神经网络进行训练，得到溢油分割模型；根据溢油分割模型生成的溢油分割掩码进行导航信息提取，生成溢油区域拟合中点；对拟合中点进行曲线近似拟合，以完成溢油区域导航路径的识别。本申请提出的方法可以使无人机本身具有溢油监测航程远、费效比低、机动灵活等特性,可运用无人机对海上重点溢油区域进行监测,及时发现海上溢油状况，并且可以追溯到溢油发生的源头，以便及时处理。
-
公开(公告)号：CN113064216A
公开(公告)日：2021-07-02
申请号：CN202110211673.1
申请日：2021-02-25
Applicant: 中国石油天然气集团有限公司 , 中国石油大学(华东) , 中国石油集团测井有限公司
IPC: G01V11/00
Abstract: 本发明公开了一种储层孔隙度预测方法、系统、设备及可读存储介质，对采集的原始测井数据进行预处理，剔除原始测井数据中得冗余数据，进行各个参数使用相关性分析，选出与孔隙度相关度高的参数作为训练样本输入；采用自适应策略对蜻蜓算法的步长进行优化，提高蜻蜓算法的收敛性和随机性，从而避免算法易陷入局部最优解的问题，提高了求解的速度以及解的精度，使储层参数预测工作变得更加便捷高效，为地质工作者提供了一个有利的工具，选用支持向量回归预测模型，在处理小样本数据能够实现较少的参数调整和较快的收敛速度；将训练数据输入到模型当中，有效的限制了模型的复杂程度，获得了更好的预测结果。
-
Patent Agency Ranking
公开(公告)号：CN112950492A
公开(公告)日：2021-06-11
申请号：CN202110117113.X
申请日：2021-01-28
Applicant: 中国石油大学(华东)
Abstract: 本发明公开基于自适应各向异性扩散的全极化SAR图像去噪方法，包括：S1、获取全极化SAR数据，并提取全极化SAR数据的协方差矩阵；S2、基于协方差矩阵提取极化散射熵；S3、基于极化散射熵进行梯度自适应滤波窗口的选择；S4、对协方差矩阵进行Freeman‑Durden分解，得到全极化SAR数据中各像素的布拉格散射、二次散射、体散射的功率；S5、基于各像素的布拉格散射、二次散射、体散射的功率，进行地物散射标记图的提取；S6、基于梯度自适应滤波窗口、地物散射标记图，采用散射机制的自适应各向异性扩散方法对全极化SAR图像去噪。本发明能够在抑制图像噪声的同时，充分地保留原始全极化SAR图像中的极化信息。
-
公开(公告)号：CN107491752B
公开(公告)日：2020-11-06
申请号：CN201710690911.5
申请日：2017-08-14
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于深度学习的自然场景中船牌文字识别方法、装置，方法包括：获取港口进出船舶的视频；将所述视频分解成由船舶图像帧组成的视频流，采用训练完成的船舶分类模型对视频流进行分类，获取指定类型的船舶图像；采用训练完成的船牌检测模型对所述指定类型的船舶图像进行船牌检测，获取船牌检测结果；对所述船牌检测的结果进行文字识别，得到自然场景中的船牌文字。
-
公开(公告)号：CN111428868A
公开(公告)日：2020-07-17
申请号：CN202010193569.X
申请日：2016-07-04
Applicant: 中国石油大学(华东)
IPC: G06N3/06
Abstract: 本发明提出了一种逻辑与非门电路及逻辑与非门电路设计方法，基于脉冲累加信息编码方式，使用统一神经计算单元，辅以1类信息过滤单元，通过神经计算单元和信息过滤单元的级联实现了逻辑与非门的计算过程。本发明基于脉冲神经膜系统和匀质神经细胞的逻辑与非门设计方法，将构造逻辑与非门使用的神经计算单元种类降至最少的1种，这有助于利用统一的神经计算单元实现神经电路；利用神经元的级联，实现信息的传递和并行处理，最终实现执行逻辑计算的功能，具有分布式并行的计算特性，可以为神经电路的实现提供可行的计算模型。
-
公开(公告)号：CN111368488A
公开(公告)日：2020-07-03
申请号：CN202010193572.1
申请日：2016-07-04
Applicant: 中国石油大学(华东)
IPC: G06F30/343 , G06N3/06
Abstract: 本发明提出了一种逻辑异或门电路及逻辑异或门电路设计方法，基于脉冲累加信息编码方式，使用统一神经计算单元，辅以1类信息过滤单元，通过神经计算单元和信息过滤单元的级联实现了逻辑异或门的计算过程。本发明基于脉冲神经膜系统和匀质神经细胞的逻辑异或门设计方法，将构造逻辑异或门使用的神经计算单元种类降至最少的1种，这有助于利用统一的神经计算单元实现神经电路；利用神经元的级联，实现信息的传递和并行处理，最终实现执行逻辑计算的功能，具有分布式并行的计算特性，可以为神经电路的实现提供可行的计算模型。
-
公开(公告)号：CN106845415B
公开(公告)日：2020-06-23
申请号：CN201710050765.X
申请日：2017-01-23
Applicant: 中国石油大学(华东)
IPC: G06K9/00 , G06K9/62 , G06K9/46 , G06N3/08 , G06F16/583
Abstract: 本发明公开了一种基于深度学习的行人精细化识别方法及装置，该方法包括：构建行人图像数据库，利用行人图像数据库制作包含行人特征的训练数据集，将训练数据集输入到SSD网络进行训练；根据训练结果构建行人精细化图像数据库，制作包含行人各个部位特征的训练数据集，将训练数据集输入到卷积神经网络进行训练；利用训练好的SSD网络提取来自流媒体服务器的实时视频流中的行人特征，根据提取到的行人特征，利用训练好的卷积神经网络提取行人各个部位的特征；将提取到的行人各个部位的特征与行人精细化图像数据库的每个行人相应部位的特征进行匹配，将匹配结果进行组合得到行人精细化识别结果。本发明有效地提高了行人精细化识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.036 seconds)
