-
公开(公告)号：CN118898632A
公开(公告)日：2024-11-05
申请号：CN202410713727.8
申请日：2024-06-04
Applicant: 东北林业大学
IPC: G06T7/13 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06V10/42 , G06V10/44 , G06V10/80
Abstract: 本发明提供一种基于高斯函数的特征增强的高分遥感影像建筑边界矢量提取算法，属于图像处理技术领域，包括遥感图像数据预处理和模型构建。本发明提出了Swap算子来解决建筑边界提取任务中存在的挑战。Swap算子可以有效地捕获图像中的局部和全局特征，同时减少模型的参数数量和计算复杂度，从而提高建筑边界提取任务的效率和准确性。Swap作为一个可插入式的模块，可以有效地结合CNN、GNN和Transformer等模型的优势，克服它们在建筑边界提取任务中存在的局限性，从而实现更好的建筑边界提取的效果。
-
公开(公告)号：CN114202690B
公开(公告)日：2024-04-12
申请号：CN202111498048.6
申请日：2021-12-09
Applicant: 东北林业大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F8/30
Abstract: 本发明公开了以混合多层感知器为基础的多尺度网络分析方法，包括：MSC块和UMLP块；本发明实现了高效率的高光谱分类方法超过了以往的方法、其模型大小仅为0.185M，能很好的适用于工业的需求、能很好的将此方法应用于高光谱领域，监控森林变迁和对森林灾情如火灾等进行及时的预警作用。
-
公开(公告)号：CN115186201A
公开(公告)日：2022-10-14
申请号：CN202210789862.1
申请日：2022-07-05
Applicant: 东北林业大学
IPC: G06F16/9537 , G06F16/9535 , G06F16/901 , G06F16/29
Abstract: 本发明公开了一种地理信息知识图谱推荐系统及其推荐方法，包括：在输入层中需要获得两种知识图谱：当前用户兴趣交互项目知识图谱和当前用户交互项目所处环境的地理知识图谱。为了从两个知识图谱中学习不同的信息，使用独热编码将两个知识图谱中的信息映射到两个不同的空间。图卷积模块学习得到两个数据的高维特征，在反事实学习模块中融合两个数据库的信息，实现了数据推荐工作。本发明的优点是：可以充分融合并利用地理知识图谱和用户‑项目知识图谱的有效知识，有效改善用户体验和服务质量。
-
公开(公告)号：CN113033448A
公开(公告)日：2021-06-25
申请号：CN202110360889.4
申请日：2021-04-02
Applicant: 东北林业大学
Abstract: 本发明提出一种基于多尺度卷积和注意力的遥感影像去云残差神经网络系统、方法、设备及存储介质，属于遥感影像处理领域，为解决传统算法鲁棒性差、恢复效果不符合遥感影像视觉特征的问题。所述深度神经网络方法在高分辨率遥感影像去云任务的速度与复原效果上达到了平衡；使用卷积核大小变化范围更大的多尺度上下文卷积减小模型所需的内存和算法的处理时间；并且在多尺度卷积前以剩余连接的方式拼接了带有通道注意力模块的细粒度卷积增加网络的特征提取能力；本发明更真实、更符合实际场景的专用于高分辨率遥感影像去云任务的数据集，无论哪种网络模型，在该数据集上训练得到的网络权重都具有更高的适应性和更强的鲁棒性。
-
公开(公告)号：CN107423431A
公开(公告)日：2017-12-01
申请号：CN201710656126.8
申请日：2017-08-03
Applicant: 东北林业大学
IPC: G06F17/30
CPC classification number: G06F17/30194 , G06F17/30091
Abstract: 本发明提出一种基于分布式文件系统的遥感数据存储方法及系统，本发明方法通过建立面向遥感应用的分布式存储框架，存储遥感原始影像数据及元数据和切片数据，并定义两个访问接口，分别为MongoDB访问接口和HDFS/Hbase直接访问接口，可以兼容现有的遥感数据处理平台。通过本发明的方法，实现了多种类型遥感数据的分布式存储，并且提供了访问接口实现对遥感数据的访问和处理。
-
Patent Agency Ranking
公开(公告)号：CN119693753A
公开(公告)日：2025-03-25
申请号：CN202411796300.5
申请日：2024-12-09
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 中国科学院空天信息创新研究院
IPC: G06V10/80 , G06V10/44 , G06V10/42 , G06V10/82 , G06N3/0464 , G06V10/774 , G06N3/048 , G06N3/084 , G06V10/764 , G06V20/10
Abstract: 本发明提供一种基于特征融合网络的细粒度物候参数提取方法，包括以下步骤：(1)对物候相机中拍摄的照片进行收集和预处理，构建出适用于训练的数据集；(2)物候参数提取；首先，引入ResNet18，通过3×3的卷积核进行全局特征提取；其次，针对轻量级提取局部特征部分；(3)在两个分支各自提取全局和局部特征后，采用自适应特征融合模块将两部分特征进行融合，利用GELU激活函数对拼接后的特征进行处理，生成综合的特征；(4)分类层使用Softmax函数，加入Dropout技术将融合后的特征映射到不同物候期的类别空间，实现对多种物候期的精确分类。本发明实现了高精度的物候期监测框架，操作简单，物候期提取细粒度高，适用于植物生长过程的生态研究。
-
公开(公告)号：CN116051886A
公开(公告)日：2023-05-02
申请号：CN202211641963.0
申请日：2022-12-20
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进的Swin‑Transformer网络的高光谱图像分类方法，包括：S1，针对高光谱数据的特点，提出一种空间光谱重组合模块，对数据进行预处理。S2，改进Swin‑Transformer网络，在网络中增添跨层融合模块，避免层间前馈过程中信息丢失。通过将网络中当前层的输出与上一层的输出进行融合，实现信息由浅层到深层的传递，从而避免了有效信息在前馈过程中的丢失；S3，将空间光谱重组合模块插入到改进后的Swin‑Transformer网络中，并以公开的高光谱图像数据作为训练数据，本发明的优点是：更高的准确率，提高了网络挖掘光谱信息的效率，能过够有效降低网络在前馈过程中有效信息的丢失。
-
公开(公告)号：CN115129894A
公开(公告)日：2022-09-30
申请号：CN202210790862.3
申请日：2022-07-05
Applicant: 东北林业大学
IPC: G06F16/36 , G06F16/35 , G06F16/29 , G06F40/194 , G06F40/295
Abstract: 本发明公开了一种基于深度学习的多源地理信息知识图谱自动构建方法，包括：设计地理知识图谱、地理实体、地理语料库的存储结构；通过网络百科全书和地理数据库构建地理知识图谱的数据来源。提取网络百科全书和/或地理数据库的信息存储至地理实体结构。如果网络百科全书和地理数据库的实体结构同时描述，但信息记录内容不完全一致，则认为地理数据库中的信息比较准确，采用地理数据库中的信息为准，对齐形成地理实体节点。模型预测地理节点和候选地理实体是否代表同一真实世界实体，并为预测提供置信度评分。最后，节点从正分类候选对中选择具有最高置信度的地理实体建立正确身份链接。本发明的优点是：提高信息的准确性，节省了人力成本。
-
公开(公告)号：CN114945024A
公开(公告)日：2022-08-26
申请号：CN202210556058.9
申请日：2022-05-19
Applicant: 东北林业大学
IPC: H04L67/1008 , H04L67/1023 , H04L67/1029 , G06F9/50 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于长短期记忆网络的服务器负载均衡优化方法，包括以下步骤：采集服务器集群工作周期一个月的数据作为基于LSTM的负载权重模块的训练数据，对LSTM网络进行训练得到能够识别服务器性能差异的负载权重模块；将训练后的基于LSTM的负载权重模块加载至服务器集群的负载均衡器中进行服务器负载的预测；负载均衡优化算法，接收到每一个服务器的负载置信度后，带权的负载均衡算法以当前置信度作为新权重，对当前请求进行服务器的分配操作并进行请求处理，同时记录下当前服务器集群的状态以便对后续的基于LSTM的负载权重模块进行更新。本发明模型的参数量较小，提高运算的速度，提升了负载均衡算法的计算效率。
-
公开(公告)号：CN113033448B
公开(公告)日：2022-07-08
申请号：CN202110360889.4
申请日：2021-04-02
Applicant: 东北林业大学
Abstract: 本发明提出一种基于多尺度卷积和注意力的遥感影像去云残差神经网络系统、方法、设备及存储介质，属于遥感影像处理领域，为解决传统算法鲁棒性差、恢复效果不符合遥感影像视觉特征的问题。所述深度神经网络方法在高分辨率遥感影像去云任务的速度与复原效果上达到了平衡；使用卷积核大小变化范围更大的多尺度上下文卷积减小模型所需的内存和算法的处理时间；并且在多尺度卷积前以剩余连接的方式拼接了带有通道注意力模块的细粒度卷积增加网络的特征提取能力；本发明更真实、更符合实际场景的专用于高分辨率遥感影像去云任务的数据集，无论哪种网络模型，在该数据集上训练得到的网络权重都具有更高的适应性和更强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.023 seconds)
