-
公开(公告)号：CN108052911B
公开(公告)日：2021-12-07
申请号：CN201711379681.7
申请日：2017-12-20
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于深度学习的多模态遥感影像高层特征融合分类方法，其包括以下步骤：多模态遥感数据集的预处理，制作高层特征提取器的训练集、验证集、测试集，用于高层特征提取器模型参数的构建；多模态高层特征提取器的模型构建，用于提取多个模态遥感影像的高层特征；多模态遥感影像高层特征的提取与存储，用于多分类器的训练、验证与测试；高层特征融合算法，用于制作分类器的训练集、验证集与测试集；分类器模型参数的构建，用于新产生的数据集的分类。本发明通过深度学习可以在遥感影像地物分类中取得显著效果，适用于复杂、海量的遥感影像分类，具有精度高、快速、高效、安全的特点，从而提高遥感影像的利用率以及遥感影像的利用价值。
-
公开(公告)号：CN107203871B
公开(公告)日：2020-12-08
申请号：CN201710379894.3
申请日：2017-05-25
Applicant: 上海海洋大学
IPC: G06Q10/10
Abstract: 本发明涉及一种基于Activiti与任务调度优化的海洋设备检定系统，所述海洋设备检定系统包括设备检定模块、证书流转模块，所述的设备检定模块包括仪器接收登记模块、仪器分发模块、仪器检定模块、收发仪器模块，所述的证书流转模块包括出具证书模块、证书审核模块、证书授权模块、证书打印盖章模块、发放证书模块。其优点在于，检定流程管理系统化、规范化、流程化，可以实时追踪业务状态；利用任务调度策略对仪器分发、仪器检定进行分配，提高工作效率，减少工作时间；利用Activiti引擎，使得流程可视化，提高相关业务人员的协作。
-
公开(公告)号：CN107273928A
公开(公告)日：2017-10-20
申请号：CN201710446161.7
申请日：2017-06-14
Applicant: 上海海洋大学
CPC classification number: G06K9/6269 , G06K9/4676
Abstract: 本发明涉及一种基于权重特征融合的遥感图像自动标注方法，所述的遥感图像自动标注方法包括以下步骤：S01：对遥感图像进行颜色描述；S02：对遥感图像进行纹理描述；S03：对遥感图像进行形状描述；S04：对遥感图像进行权重特征融合；S05：对遥感图像进行自动标注。其优点在于，对遥感图像进行颜色、纹理、形状特征提取，以随机权重形式进行组合，获得遥感图像内容的准确表达，实现遥感图像的语义自动标注；遥感图像自动标注帮助用户迅速定位目标图像，为普通大众获取遥感图像提供便利，提高遥感图像检索效率，有利于图像管理和使用；遥感应用奠定坚实基础，帮助实时追踪、快速预警和辅助决策。
-
公开(公告)号：CN107203871A
公开(公告)日：2017-09-26
申请号：CN201710379894.3
申请日：2017-05-25
Applicant: 上海海洋大学
IPC: G06Q10/10
Abstract: 本发明涉及一种基于Activiti与任务调度优化的海洋设备检定系统，所述海洋设备检定系统包括设备检定模块、证书流转模块，所述的设备检定模块包括仪器接收登记模块、仪器分发模块、仪器检定模块、收发仪器模块，所述的证书流转模块包括出具证书模块、证书审核模块、证书授权模块、证书打印盖章模块、发放证书模块。其优点在于，检定流程管理系统化、规范化、流程化，可以实时追踪业务状态；利用任务调度策略对仪器分发、仪器检定进行分配，提高工作效率，减少工作时间；利用Activiti引擎，使得流程可视化，提高相关业务人员的协作。
-
Patent Agency Ranking
公开(公告)号：CN106886376A
公开(公告)日：2017-06-23
申请号：CN201710201232.7
申请日：2017-03-30
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于多属性最优化的海洋监测数据副本管理方法，其步骤为：S1：输入海洋监测大数据；S2：创建海洋监测大数据副本；S3：选择放置节点的机架；S4：判断节点的存储空间；S5：建立节点属性评价矩阵，并对矩阵进行处理；S6：建立节点关键属性的加权矩阵，确定最优解和最劣解；S7：计算各节点到最优解的相对贴进度，选取贴近度最小的节点；S8：输出海洋监测大数据的副本布局方案。其优点在于，将数据高效的分别在云环境中，在保证数据可靠性的前提下保留尽可能少的副本，减少存储空间不必要的浪费；可以获取每个数据不断变化的访问热度；可以判断在副本动态模式下何时创建或删除副本；减少网络延迟，提高系统整体的稳定性。
-
公开(公告)号：CN106886376B
公开(公告)日：2019-08-30
申请号：CN201710201232.7
申请日：2017-03-30
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于多属性最优化的海洋监测数据副本管理方法，其步骤为：S1：输入海洋监测大数据；S2：创建海洋监测大数据副本；S3：选择放置节点的机架；S4：判断节点的存储空间；S5：建立节点属性评价矩阵，并对矩阵进行处理；S6：建立节点关键属性的加权矩阵，确定最优解和最劣解；S7：计算各节点到最优解的相对贴进度，选取贴近度最小的节点；S8：输出海洋监测大数据的副本布局方案。其优点在于，将数据高效的分别在云环境中，在保证数据可靠性的前提下保留尽可能少的副本，减少存储空间不必要的浪费；可以获取每个数据不断变化的访问热度；可以判断在副本动态模式下何时创建或删除副本；减少网络延迟，提高系统整体的稳定性。
-
公开(公告)号：CN108052911A
公开(公告)日：2018-05-18
申请号：CN201711379681.7
申请日：2017-12-20
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于深度学习的多模态遥感影像高层特征融合分类方法，其包括以下步骤：多模态遥感数据集的预处理，制作高层特征提取器的训练集、验证集、测试集，用于高层特征提取器模型参数的构建；多模态高层特征提取器的模型构建，用于提取多个模态遥感影像的高层特征；多模态遥感影像高层特征的提取与存储，用于多分类器的训练、验证与测试；高层特征融合算法，用于制作分类器的训练集、验证集与测试集；分类器模型参数的构建，用于新产生的数据集的分类。本发明通过深度学习可以在遥感影像地物分类中取得显著效果，适用于复杂、海量的遥感影像分类，具有精度高、快速、高效、安全的特点，从而提高遥感影像的利用率以及遥感影像的利用价值。
-
公开(公告)号：CN107516317B
公开(公告)日：2021-04-27
申请号：CN201710710878.8
申请日：2017-08-18
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于深度卷积神经网络的SAR影像海冰分类方法，包括以下步骤：S01：将已有的海冰SAR影像进行分割；S02：进行数据预处理；S03：进行模型训练并建立模型；S04：对待分类的海冰SAR影像进行处理；S05：将分类结果进行合并。其优点在于，该方法构建的卷积神经网络模型能够实现基于图像的特征自动提取，无需人手动过多干预；是一种针对SAR影像海冰端到端的分类方法，可以达到海冰监测的业务化水平、满足海上作业人员的实时性要求；模型依赖大量的标记样本可以自动提取图像特征，不必依赖专家知识；利用随机梯度下降法加速收敛，并根据损失函数和准确率判断模型训练的好坏；利用规范化处理解决网络参数优化反向传播中的梯度消失或梯度扩散问题。
-
公开(公告)号：CN107516317A
公开(公告)日：2017-12-26
申请号：CN201710710878.8
申请日：2017-08-18
Applicant: 上海海洋大学
CPC classification number: G06T7/11 , G06K9/6256 , G06K9/6267 , G06N3/0454 , G06T2207/10044 , G06T2207/20081 , G06T2207/30181
Abstract: 本发明涉及一种基于深度卷积神经网络的SAR影像海冰分类方法，包括以下步骤：S01：将已有的海冰SAR影像进行分割；S02：进行数据预处理；S03：进行模型训练并建立模型；S04：对待分类的海冰SAR影像进行处理；S05：将分类结果进行合并。其优点在于，该方法构建的卷积神经网络模型能够实现基于图像的特征自动提取，无需人手动过多干预；是一种针对SAR影像海冰端到端的分类方法，可以达到海冰监测的业务化水平、满足海上作业人员的实时性要求；模型依赖大量的标记样本可以自动提取图像特征，不必依赖专家知识；利用随机梯度下降法加速收敛，并根据损失函数和准确率判断模型训练的好坏；利用规范化处理解决网络参数优化反向传播中的梯度消失或梯度扩散问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.031 seconds)
