-
Patent Agency Ranking
公开(公告)号：CN113837176B
公开(公告)日：2024-07-23
申请号：CN202110980003.6
申请日：2021-08-25
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/25 , G06F16/29 , G06V10/82 , G06V10/766 , G06V10/774
Abstract: 本发明涉及一种基于深度学习的矢量曲线化简方法、模型及模型建立方法，本发明的化简方法包括以下步骤：1)进行栅格线要素的特征提取；2)使用改进的RPN网络提取曲线上不同的折弯所对应的特征图；3)对特征图采用ROI‑Pooling得到统一大小的特征图；4)使用回归网络对折弯的卷积特征图进行分类，对判断为正的折弯仅保留首尾两点，对判断为负的折弯不处理，最后按顺序连接所有保留的折点，生成化简后的矢量折线。本发明直接提取曲线的冗余折弯并进行删除，保留曲线的特征点，化简结果直接矢量化，避免栅格转矢量过程中的信息损失及重复化简操作，智能化程度高，综合性能强，能被复用到多种比例尺矢量曲线的化简应用场景中。
-
公开(公告)号：CN113850254B
公开(公告)日：2024-10-18
申请号：CN202110980000.2
申请日：2021-08-25
Applicant: 中国地质大学(武汉)
IPC: G06V10/44 , G06V10/774 , G06V10/764 , G06V10/25 , G06F16/56 , G06V10/82 , G06N3/0464 , G06V10/766
Abstract: 本发明涉及一种基于深度学习的建筑物矢量轮廓化简方法、模型及模型建立方法，发明的化简过程主要包括三步：1)基于MobileNet2网络进行栅格建筑物的卷积特征提取；2)生成每个建筑物的外包矩形并切割相应位置的特征图，使用ROI‑Pooling统一特征图的大小；3)将提取的特征图作为输入，使用回归神经网络计算得到建筑物的化简坐标。本发明可直接实现建筑物轮廓矢量到矢量的化简流程，避免化简结果栅格转矢量造成的信息损失及重复化简操作。本发明通过修改损失函数增强了化简结果的形状特征，实现了建筑物的智能化、自动化综合，模型的综合性能强，鲁棒性高，能够被复用到多种比例尺的矢量建筑物轮廓化简的应用场景中。
-
公开(公告)号：CN113837176A
公开(公告)日：2021-12-24
申请号：CN202110980003.6
申请日：2021-08-25
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及一种基于深度学习的矢量曲线化简方法、模型及模型建立方法，本发明的化简方法包括以下步骤：1)进行栅格线要素的特征提取；2)使用改进的RPN网络提取曲线上不同的折弯所对应的特征图；3)对特征图采用ROI‑Pooling得到统一大小的特征图；4)使用回归网络对折弯的卷积特征图进行分类，对判断为正的折弯仅保留首尾两点，对判断为负的折弯不处理，最后按顺序连接所有保留的折点，生成化简后的矢量折线。本发明直接提取曲线的冗余折弯并进行删除，保留曲线的特征点，化简结果直接矢量化，避免栅格转矢量过程中的信息损失及重复化简操作，智能化程度高，综合性能强，能被复用到多种比例尺矢量曲线的化简应用场景中。
-
公开(公告)号：CN113850254A
公开(公告)日：2021-12-28
申请号：CN202110980000.2
申请日：2021-08-25
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及一种基于深度学习的建筑物矢量轮廓化简方法、模型及模型建立方法，发明的化简过程主要包括三步：1)基于MobileNet2网络进行栅格建筑物的卷积特征提取；2)生成每个建筑物的外包矩形并切割相应位置的特征图，使用ROI‑Pooling统一特征图的大小；3)将提取的特征图作为输入，使用回归神经网络计算得到建筑物的化简坐标。本发明可直接实现建筑物轮廓矢量到矢量的化简流程，避免化简结果栅格转矢量造成的信息损失及重复化简操作。本发明通过修改损失函数增强了化简结果的形状特征，实现了建筑物的智能化、自动化综合，模型的综合性能强，鲁棒性高，能够被复用到多种比例尺的矢量建筑物轮廓化简的应用场景中。
-
公开(公告)号：CN116682021A
公开(公告)日：2023-09-01
申请号：CN202310578057.9
申请日：2023-05-22
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种高分辨率遥感影像建筑物矢量轮廓数据提取方法，旨在从高分辨率遥感影像中直接提取建筑物边缘规整的矢量轮廓数据。主要采用多任务分割模型预测建筑物掩膜、建筑物顶点概率分布和建筑物顶点角度，然后根据这些输出得出粗略的建筑物矢量轮廓结果并构建建筑物矢量轮廓特征数据，进一步利用基于图注意力网络的矢量优化模块优化前置网络的粗略矢量轮廓结果，得到最终规整的建筑物矢量轮廓数据。本发明简单易行，能够实现直接从遥感影像中提取建筑物矢量轮廓数据，不需要人工干预，得出规整的建筑物矢量轮廓结果。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
