-
公开(公告)号：CN116895023B
公开(公告)日：2024-02-09
申请号：CN202311159512.8
申请日：2023-09-11
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/44 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于多任务学习的中尺度涡识别方法及系统，涉及数字图像处理技术领域，将获取的待识别的海面高、海表温数据输入到训练好的中尺度涡识别模型中，输出中尺度涡识别结果；中尺度涡识别模型采用两路网络结构，第一路网络通过基础残差模块对原始数据进行多次下采样和上采样，利用跳跃链接融合采样前后的特征，提取数据中低频的细节信息与高频的语义信息，学习中尺度涡语义分割特征；第二路网络获取第一路网络中的单通道特征，经过融合和损失学习，提取中尺度涡轮廓特征；基于融合后的中尺度涡特征，进行多任务学习，得到中(56)对比文件Linghui Xia等.Submesoscale oceaniceddy detection in SAR images usingcontext and edge association network.《Frontiers in Marine Science》.2022,全文.芦旭熠;单桂华;李观.基于深度学习的海洋中尺度涡识别与可视化.计算机系统应用.2020,(第04期),全文.Yuxiao Zhao.SymmetricNet: end-to-endmesoscale eddy detection with multi-modaldata fusion《.Frontiers in MarineScience》.2023,全文.
-
Patent Agency Ranking
公开(公告)号：CN116071607B
公开(公告)日：2023-08-08
申请号：CN202310212759.5
申请日：2023-03-08
Applicant: 中国石油大学(华东)
IPC: G06V10/764 , G06V20/17 , G06V20/70 , G06V10/26 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于残差网络的水库航拍图像分类及图像分割方法及系统，涉及人工智能技术领域，该方法包括：获取待测水库航拍图像；将预处理后的待测水库航拍图像输入至图像分类模型，通过带扩张卷积的ResNet特征提取网络待测提取水库航拍图像的特征，根据图像特征，通过基于全局平均池化的分类网络，输出类别预测；将预测类别为水陆交叉图像的水库航拍图像输入至图像分割模型，通过基于多尺度融合的分割网络，提取水陆交叉图像的候选区域特征，通过基于全局平均池化的分类网络，得到候选区域的类别预测值，基于类别预测值，输出水陆交叉图像中分割出的水域和陆地。本发明能够实现精确度更高的水库航拍图像的分类与水陆区域分割。
-
公开(公告)号：CN116071607A
公开(公告)日：2023-05-05
申请号：CN202310212759.5
申请日：2023-03-08
Applicant: 中国石油大学(华东)
IPC: G06V10/764 , G06V20/17 , G06V20/70 , G06V10/26 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于残差网络的水库航拍图像分类及图像分割方法及系统，涉及人工智能技术领域，该方法包括：获取待测水库航拍图像；将预处理后的待测水库航拍图像输入至图像分类模型，通过带扩张卷积的ResNet特征提取网络待测提取水库航拍图像的特征，根据图像特征，通过基于全局平均池化的分类网络，输出类别预测；将预测类别为水陆交叉图像的水库航拍图像输入至图像分割模型，通过基于多尺度融合的分割网络，提取水陆交叉图像的候选区域特征，通过基于全局平均池化的分类网络，得到候选区域的类别预测值，基于类别预测值，输出水陆交叉图像中分割出的水域和陆地。本发明能够实现精确度更高的水库航拍图像的分类与水陆区域分割。
-
公开(公告)号：CN116895023A
公开(公告)日：2023-10-17
申请号：CN202311159512.8
申请日：2023-09-11
Applicant: 中国石油大学(华东)
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/44 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于多任务学习的中尺度涡识别方法及系统，涉及数字图像处理技术领域，将获取的待识别的海面高、海表温数据输入到训练好的中尺度涡识别模型中，输出中尺度涡识别结果；中尺度涡识别模型采用两路网络结构，第一路网络通过基础残差模块对原始数据进行多次下采样和上采样，利用跳跃链接融合采样前后的特征，提取数据中低频的细节信息与高频的语义信息，学习中尺度涡语义分割特征；第二路网络获取第一路网络中的单通道特征，经过融合和损失学习，提取中尺度涡轮廓特征；基于融合后的中尺度涡特征，进行多任务学习，得到中尺度涡识别结果。本发明通过中尺度涡语义分割和中尺度涡轮廓检测的多任务学习，更好地提升中尺度涡的识别精度。
-
公开(公告)号：CN115953394B
公开(公告)日：2023-06-23
申请号：CN202310224170.7
申请日：2023-03-10
Applicant: 中国石油大学(华东)
IPC: G06T7/00 , G06T7/10 , G06T7/13 , G06V10/80 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于目标分割的海洋中尺度涡检测方法及系统，涉及数字图像处理技术领域，该方法包括：获取待测海平面异常数据图像；将预处理后的待测海平面异常数据图像输入至基于目标分割的海洋中尺度涡检测网络；对输入的待测海平面异常图像进行多层卷积处理，提取图像的低级细节信息和高级语义信息，将低级细节信息和高级语义信息融合，获取多尺度融合特征图；基于多尺度融合特征图，输出海洋中尺度涡的预测图像；将预测图像作为边缘检测网络的输入，通过边缘检测网络提取输入图像的边缘信息，输出待测海平面异常数据图像中的海洋中尺度涡，提升涡旋边界的检测能力，提升海洋中尺度涡检测的准确率和检测速度。
-
公开(公告)号：CN115953394A
公开(公告)日：2023-04-11
申请号：CN202310224170.7
申请日：2023-03-10
Applicant: 中国石油大学(华东)
IPC: G06T7/00 , G06T7/10 , G06T7/13 , G06V10/80 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于目标分割的海洋中尺度涡检测方法及系统，涉及数字图像处理技术领域，该方法包括：获取待测海平面异常数据图像；将预处理后的待测海平面异常数据图像输入至基于目标分割的海洋中尺度涡检测网络；对输入的待测海平面异常图像进行多层卷积处理，提取图像的低级细节信息和高级语义信息，将低级细节信息和高级语义信息融合，获取多尺度融合特征图；基于多尺度融合特征图，输出海洋中尺度涡的预测图像；将预测图像作为边缘检测网络的输入，通过边缘检测网络提取输入图像的边缘信息，输出待测海平面异常数据图像中的海洋中尺度涡，提升涡旋边界的检测能力，提升海洋中尺度涡检测的准确率和检测速度。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
