-
公开(公告)号：CN118334517B
公开(公告)日：2025-02-25
申请号：CN202410438882.3
申请日：2024-04-12
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种矿区遥感场景分类模型构建方法、装置及分类方法，涉及图像处理领域，模型构建方法包括：获取矿区的遥感数据，遥感数据光学影像、雷达影像和高程影像数据；基于高程影像数据提取表面数据，并将雷达影像、高程影像数据和表面数据均重采样至与光学影像相同的分辨率，得到临时数据集；将临时数据集和光学影像进行融合，得到初始多模态场景数据集；根据初始多模态场景数据集对初始分类模型进行训练及调优，得到遥感场景分类模型，其中，初始分类模型基于CNN模型和GCN模型构成，遥感场景用于进行矿区遥感场景分类。解决因矿山边缘不规则或模糊边缘以及空间分布稀疏等问题引起矿区遥感场景分类准确性低的问题。
-
公开(公告)号：CN119169448A
公开(公告)日：2024-12-20
申请号：CN202411017864.4
申请日：2024-07-29
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06V10/74 , G06N3/08
Abstract: 本发明提供一种岩性共性联合特征分类模型构建方法及系统，涉及图像处理技术领域，所述方法包括：通过对遥感影像数据的岩性特征进行局部‑全局特征提取，得到遥感影像数据的岩性特征表示；通过对比学习优化根据岩性特征表示得到单影像对比损失；根据多源影像数据相同的岩性特征表示得到跨影像对比损失，并构建分类器确定分类损失；根据单影像对比损失、跨影像对比损失和分类损失对初始分类模型进行训练得到岩性共性联合特征分类模型。本发明利用对比学习思想，根据多源数据获取跨影像对比损失，使得在特征空间中，不同岩性的特征分散，同一岩性的特征聚合，从而提高特征的表示能力，利用岩性多样性提高对岩性特征的感知能力。
-
公开(公告)号：CN119169447A
公开(公告)日：2024-12-20
申请号：CN202411017834.3
申请日：2024-07-29
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种岩性场景分类方法、电子设备及存储介质，涉及图像处理技术领域，方法包括：将获取的岩性场景的遥感图像和知识数据输入到训练好的岩性场景分类模型中，得到岩性场景分类结果，其中，岩性场景分类模型包括transformer模块、图注意力网络模块、跨模态交叉注意力模块、自适应特征降维模块以及输出模块；图注意力网络模块用于挖掘知识数据的知识特征；跨模态交叉注意力模块用于融合图像特征和知识特征，生成岩性敏感特征数据；自适应特征降维模块用于降维岩性敏感特征数据，生成降维特征；输出模块用于根据降维特征，生成岩性场景分类结果。本发明可以提高岩性场景分类的精度。
-
公开(公告)号：CN119066481A
公开(公告)日：2024-12-03
申请号：CN202410925325.4
申请日：2024-07-11
Applicant: 中国地质大学(武汉)
IPC: G06F18/241 , G06N3/042 , G06N3/045 , G06N3/0499
Abstract: 本发明提供了一种岩性分类模型构建方法及岩性分类方法，涉及岩性分类技术领域，该岩性分类模型构建方法包括：提取岩性数据集中每个岩性的岩性特征，并根据全部岩性的共现关系构建岩性邻接矩阵和岩性邻接子矩阵；根据岩性邻接矩阵、岩性邻接子矩阵和岩性特征分别得到输出岩性特征和输出岩性子特征；根据全部输出岩性特征得到图表示和节点表示，根据全部输出岩性子特征得到子图表示和子节点表示；根据图表示和子节点表示得到模型图表示和模型子节点表示，根据子图表示和节点表示得到模型子图表示和模型节点表示；根据模型图表示、模型节点表示、模型子图表示和模型子节点表示，构建岩性分类模型。本发明能够有效提高对地质图岩性分类的效率。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN118262104A
公开(公告)日：2024-06-28
申请号：CN202410245146.6
申请日：2024-03-05
Applicant: 中国自然资源航空物探遥感中心 , 中国地质大学(武汉)
IPC: G06V10/26 , G06V20/70 , G06V10/80 , G06V10/774
Abstract: 本发明提供了一种目标语义分割模型训练方法、生成方法、设备及存储介质，涉及计算机技术领域，包括：获取目标语义分割数据集，目标语义分割数据集包括多个遥感图像信息，遥感图像信息包括标签值；通过对遥感图像信息进行特征提取得到融合特征，融合特征包括浅层融合特征、次深层融合特征和深层融合特征；根据遥感图像信息、浅层融合特征和次深层融合特征得到边界损失和整体损失；根据深层融合特征得到预测值，并根据预测值和标签值得到分割损失；根据边界损失、整体损失和分割损失得到目标损失；基于目标损失，通过目标语义分割数据集训练预设语义分割模型，得到目标语义分割模型。本发明提高了目标语义分割模型的分类精度。
-
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：CN117809202A
公开(公告)日：2024-04-02
申请号：CN202410216848.1
申请日：2024-02-28
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种双模态目标检测方法及系统，涉及目标检测技术领域，所述方法包括：根据初始遥感图像数据，得到双模态目标检测数据，其中包括可见光图像数据与非可见光图像数据；根据可见光图像数据，得到可见光部分的深度特征；根据非可见光图像数据，得到非可见光部分的光照分布图像；根据光照分布图像，得到光照分布图像中每个像素点的直接光照特征和间接光照特征；根据可见光部分的深度特征、直接光照特征和间接光照特征，进行目标检测。本发明对非可见光图像数据进行处理，提取出初始遥感图像数据中非可见光部分的直接光照特征和间接光照特征，增强可见光图像数据中的光照特征，提高对遥感图像中的遥感目标的检测精度。
-
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。
-
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.
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.031 seconds)
