-
公开(公告)号：CN111402382B
公开(公告)日：2023-04-07
申请号：CN202010189319.9
申请日：2020-03-18
Applicant: 东南数字经济发展研究院
IPC: G06T15/00
Abstract: 本发明提供了一种提升分层分块三维模型数据渲染效率的分类优化方法，它解决了现有分层分块三维模型渲染时卡顿、不支持多终端自适应显示的问题。其方法包括：步骤S1，根据拟分类优化的分层分块三维模型的三维场景，确定需分类优化的类型，以及每一个类型所对应的阈值；步骤S2，确定分层分块三维模型数据中的所有层级节点的类型，以及相对应的阈值；步骤S3，在分层分块三维模型数据的索引文件中，删除对层级高于其对应阈值的所有节点及其子节点的引用；步骤S4，前端调用更新后的分层分块三维模型数据索引文件，实现渲染效率提升。本发明优点在于不实际删除三维模型数据、可根据不同类型进行分类优化、提升渲染效率。
-
公开(公告)号：CN114419191A
公开(公告)日：2022-04-29
申请号：CN202210031085.4
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
Abstract: 针对遥感专题信息矢量化时，影像超出计算机内存的问题，本发明提出一种面向遥感专题信息的大影像矢量化方法，通过将影响划分为相同大小的影像块，然后分块进行矢量化，实现边界处的影像无缝合成，得到遥感影像大区域矢量化的结果。该方法的特点在于每个分块重合一个像素，使得分块既能连接，又不会出现细碎多边形。通过与小影像的矢量化结果比较，本文方法能够获得与不分块相同的矢量化结果。
-
Patent Agency Ranking
公开(公告)号：CN111402382A
公开(公告)日：2020-07-10
申请号：CN202010189319.9
申请日：2020-03-18
Applicant: 东南数字经济发展研究院
IPC: G06T15/00
Abstract: 本发明提供了一种提升分层分块三维模型数据渲染效率的分类优化方法，它解决了现有分层分块三维模型渲染时卡顿、不支持多终端自适应显示的问题。其方法包括：步骤S1，根据拟分类优化的分层分块三维模型的三维场景，确定需分类优化的类型，以及每一个类型所对应的阈值；步骤S2，确定分层分块三维模型数据中的所有层级节点的类型，以及相对应的阈值；步骤S3，在分层分块三维模型数据的索引文件中，删除对层级高于其对应阈值的所有节点及其子节点的引用；步骤S4，前端调用更新后的分层分块三维模型数据索引文件，实现渲染效率提升。本发明优点在于不实际删除三维模型数据、可根据不同类型进行分类优化、提升渲染效率。
-
公开(公告)号：CN114419191B
公开(公告)日：2024-12-06
申请号：CN202210031085.4
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
Abstract: 针对遥感专题信息矢量化时，影像超出计算机内存的问题，本发明提出一种面向遥感专题信息的大影像矢量化方法，通过将影响划分为相同大小的影像块，然后分块进行矢量化，实现边界处的影像无缝合成，得到遥感影像大区域矢量化的结果。该方法的特点在于每个分块重合一个像素，使得分块既能连接，又不会出现细碎多边形。通过与小影像的矢量化结果比较，本文方法能够获得与不分块相同的矢量化结果。
-
公开(公告)号：CN114612315B
公开(公告)日：2024-08-09
申请号：CN202210008040.5
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
IPC: G06T5/77 , G06T5/60 , G06T7/13 , G06V20/13 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于多任务学习的高分辨率影像缺失区域重建方法，该方法将高空间分辨率影像上的缺失区域填充看成一个条件式的图像生成问题，采用基于门控卷积的条件式对抗生成网络模型结构进行实现。其中，生成器通过编码和解码的结构进行特征提取，并使用同一特征进行地物类别、边界提取和缺失区域填充完成三个相关的任务，引导特征提取模块关注地物类型、边界等信息，从而获得细节丰富、真实的无缺失影像。判别器判别各个影像是生成的，还是真实的，并据此指导生成器进行优化。本发明通过引导生成器关注地物边界和地物类别信息，可以获得细节与纹理丰富的无缝重建结果。
-
公开(公告)号：CN114612315A
公开(公告)日：2022-06-10
申请号：CN202210008040.5
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
Abstract: 本发明提出了一种基于多任务学习的高分辨率影像缺失区域重建方法，该方法将高空间分辨率影像上的缺失区域填充看成一个条件式的图像生成问题，采用基于门控卷积的条件式对抗生成网络模型结构进行实现。其中，生成器通过编码和解码的结构进行特征提取，并使用同一特征进行地物类别、边界提取和缺失区域填充完成三个相关的任务，引导特征提取模块关注地物类型、边界等信息，从而获得细节丰富、真实的无缺失影像。判别器判别各个影像是生成的，还是真实的，并据此指导生成器进行优化。本发明通过引导生成器关注地物边界和地物类别信息，可以获得细节与纹理丰富的无缝重建结果。
-
公开(公告)号：CN111523493A
公开(公告)日：2020-08-11
申请号：CN202010341674.3
申请日：2020-04-27
Applicant: 东南数字经济发展研究院
Abstract: 本发明提供了一种针对雾天影像的目标检测方法，它解决了现有技术对雾天影像目标检测模型识别准确率不高和操作步骤繁杂的问题。其方法包括：S1:采集雾天和非雾天的图像数据；S2:训练去雾模型；S3：训练目标检测模型；S4:将去雾模型的输出和原始图片进行融合，并利用降维模块对数据降维，输入到目标检测模型中，并对去雾模型和目标检测模型进行微调，成为端到端的针对雾天影像的目标检测模型。本发明具有以下优点：识别准确率高，识别步骤便利，端到端识别。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
