公开(公告)号：CN116956131A

公开(公告)日：2023-10-27

申请号：CN202310913646.8

申请日：2023-07-24

Applicant: 中国地质大学(武汉)

Inventor： 方芳 ,  曾林芸 ,  李圣文 ,  田盼盼 ,  万波

IPC: G06F18/24 ,  G06F18/25 ,  G06F16/29 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态信息的土地利用分类方法及系统，方法包括以下步骤：获取研究区土地地块的SVI数据、OSM数据和POI数据并进行预处理；将处理后的SVI数据输入训练好的卷积神经网络，获得视觉模态输入地块节点嵌入表示向量；将处理后的POI数据输入预训练的自然语言模型网络，获得文本模态输入地块节点嵌入表示向量；利用训练好的多模态图卷积神经网络进行迭代计算，经过多模态组合层对多模态特征向量进行融合后，获得输出地块节点嵌入表示向量；将输出地块节点嵌入表示向量输入训练好的土地利用分类器进行分类，获得地块的土地利用分类结果。本发明使得土地利用分类的精度得到了有效的提升。

公开(公告)号：CN117475295A

公开(公告)日：2024-01-30

申请号：CN202310964340.5

申请日：2023-07-31

Applicant: 中国地质大学(武汉)

Inventor： 康家宁 ,  方芳 ,  李圣文 ,  田盼盼 ,  刘洋

IPC: G06V20/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09 ,  G06N3/094 ,  G06N3/045 ,  G06N3/088

Abstract: 本发明公开了一种高分辨率遥感图像无监督自适应目标检测方法，方法基于高分辨率遥感图像的多粒度特征信息，采用教师‑学生模型以及对抗学习技术实现跨域目标检测；分为两部分：教师‑学生共同学习、多粒度对齐对抗学习。在教师‑学生共同学习中，由教师模型产生伪标签指导学生模型训练。在多粒度对齐对抗学习中，目标域和源域图像经过卷积神经网络提取出多尺度特征图进行图像级对抗学习训练，特征图经过检测头产生预测实例并进行实例级对抗学习训练。最后计算损失并优化模型，实现遥感图像跨域目标检测。本发明用于自动高效且精准地检测遥感图像中的目标，为城市的科学规划、有序发展以及环境研究提供了充分的依据。

公开(公告)号：CN116958698A

公开(公告)日：2023-10-27

申请号：CN202310953601.3

申请日：2023-07-31

Applicant: 中国地质大学(武汉)

Inventor： 田盼盼 ,  方芳 ,  李圣文 ,  康家宁 ,  刘洋

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06F16/36

Abstract: 本发明公开了一种基于街景图像多模态信息的建筑物分类方法，所述方法基于SVI全局视觉信息、局部视觉信息、招牌文本等多种模态信息，采用图神经网络实现多模态信息推理，实现城市建筑物单体功能自动分类。该方法首先通过招牌文本知识图谱获取文本信息，然后对文本信息和局部视觉进行多模态推理，最后融合全局视觉信息实现建筑物功能分类。本发明通过构建招牌文本知识图谱和多模态推理图，融合SVI多模态信息，克服现有技术中对SVI蕴含信息利用不充分的问题。对SVI多模态信息的充分利用和有效融合使得建筑物分类的精度得到了有效提升。

公开(公告)号：CN117726586A

公开(公告)日：2024-03-19

申请号：CN202311683967.X

申请日：2023-12-07

Applicant: 中国地质大学(武汉)

Inventor： 刘洋 ,  方芳 ,  李圣文 ,  田盼盼 ,  康家宁

IPC: G06T7/00 ,  G06T7/13

Abstract: 本发明公开了一种建筑物矢量提取方法、设备及存储介质，方法包括步骤：构建建筑物实例检测模型；将遥感图像及边界框标签传入模型中，并对图像进行预处理；生成建筑物实例目标检测框；从建筑物实例目标检测框中生成建筑物初始轮廓顶点；将建筑物轮廓顶点细化；根据细化后的轮廓顶点生成矢量轮廓；本发明通过使用边界框标签进行建筑物矢量提取解决了获取掩码标签的费时费力的复杂过程，同时，本发明可以绘制出规则且精确的建筑物矢量轮廓，这在GIS生产、城市规划、人口密度估计、能源供应和灾害管理中发挥着重要作用。