-
公开(公告)号：CN119165465A
公开(公告)日：2024-12-20
申请号：CN202411064512.4
申请日：2024-08-05
Applicant: 中南大学
Abstract: 本发明公开了一种海底地形光子提取方法、设备、存储介质及产品，所述方法包括从浅海段光子数据提取海面光子数据和水体光子数据；对椭圆滤波核的长半轴和短半轴进行初始化；计算水体光子数据中每个光子的第一密度值；根据长半轴和短半轴的初始值确定第一密度阈值；对水体光子数据进行一次滤波；根据每个光子的高程更新长半轴和短半轴；计算一次滤波后的水体光子数据中光子的第二密度值；根据第一密度值计算第二高程分段的第二密度阈值；根据更新后的长半轴计算第三密度阈值；根据第二密度阈值、第三密度阈值以及第二密度值进行二次滤波，得到海底地形光子数据。本发明提高了滤波的准确性，改善了漏检和误检问题。
-
公开(公告)号：CN115019123A
公开(公告)日：2022-09-06
申请号：CN202210555496.3
申请日：2022-05-20
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
IPC: G06V10/774 , G06V10/778 , G06V10/82 , G06V10/764 , G06K9/62 , G06V20/10 , G06V20/70 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种遥感图像场景分类的自蒸馏对比学习方法，包括：由结构一样的教师网络和学生网络组成长程依赖捕获主干网络模块；获取遥感图像并将图像进行全局切片、局部切片、尺度对齐及数据增强，得到同一张图像的融入尺度信息的不同版本；将全局切片图像送入教师网络、将全局切片图像和尺度对齐后的局部切片图像共同送入学生网络进行自蒸馏对比学习；获得不同版本的图片表征，再经过softmax将表征转化为概率分布，训练网络使学生网络输出的概率分布尽量匹配教师网络输出的概率分布；采用自蒸馏的方式训练神经网络模型；输出场景分类结果。本发明不依赖标签和负样本，可捕捉RSI的全局语义信息，可学习到RSI的多尺度特征。
-
公开(公告)号：CN117671252A
公开(公告)日：2024-03-08
申请号：CN202311408773.9
申请日：2023-10-27
Applicant: 高速铁路建造技术国家工程研究中心 , 中国中铁股份有限公司 , 中南大学
IPC: G06V10/26 , G06V10/44 , G06V20/64 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种语义分割方法、终端设备及存储介质，所述方法利用编码器‑解码器模型进行点云语义分割，其中，编码器的每个编码层包括第一并行差异卷积模块和跨步并行差异卷积模块；跨步并行差异卷积模块包括第二并行差异卷积模块和降采样模块，第一并行差异卷积模块和第二并行差异卷积模块均包括拼接层以及并联的刚性KPConv卷积层、圆柱形卷积层和球顶椎体卷积层。本发明在编码层的卷积模块中采用不同卷积核点分布方式的卷积层进行特征提取，能够更好的学习点云数据的特征，提高了激光点云语义分割精度。
-
公开(公告)号：CN115019123B
公开(公告)日：2023-04-18
申请号：CN202210555496.3
申请日：2022-05-20
Applicant: 中南大学 , 重庆市地理信息和遥感应用中心
IPC: G06V10/774 , G06V10/778 , G06V10/82 , G06V10/764 , G06V20/10 , G06V20/70 , G06N3/0455 , G06N3/047 , G06N3/0895 , G06N3/091 , G06N3/096
Abstract: 本发明公开了一种遥感图像场景分类的自蒸馏对比学习方法，包括：由结构一样的教师网络和学生网络组成长程依赖捕获主干网络模块；获取遥感图像并将图像进行全局切片、局部切片、尺度对齐及数据增强，得到同一张图像的融入尺度信息的不同版本；将全局切片图像送入教师网络、将全局切片图像和尺度对齐后的局部切片图像共同送入学生网络进行自蒸馏对比学习；获得不同版本的图片表征，再经过softmax将表征转化为概率分布，训练网络使学生网络输出的概率分布尽量匹配教师网络输出的概率分布；采用自蒸馏的方式训练神经网络模型；输出场景分类结果。本发明不依赖标签和负样本，可捕捉RSI的全局语义信息，可学习到RSI的多尺度特征。
-
-
-
Search Results
4
records
(took 0.015 seconds)
