-
公开(公告)号：CN115546649B
公开(公告)日：2023-04-18
申请号：CN202211306355.4
申请日：2022-10-24
Applicant: 中国矿业大学(北京)
IPC: G06V20/10 , G06V10/82 , G06V10/26 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种单视遥感影像高度估计和语义分割多任务预测方法，其方法包括：A、构建多任务网络模型；B、采集高分辨率光学遥感影像样本并得到样本数据集；C、将样本数据集中的光谱空间特征影像块输入多任务网络模型中；D、采集待预测的高分辨率光学遥感影像并裁剪成光谱空间特征影像块输入训练后的多任务网络模型，分别加权计算得到高度估计预测结果DSM和语义分割预测结果SS。本发明多尺度残差及可变形卷积网络能够实现多尺度特征提取，并能克服各类地物的复杂、异质和尺度差异大等问题，DSM数据与语义分割生成网络分别利用混合特征和优选特征进行DSM数据估计与语义分割，最终得到高精度的地物DSM估计结果与语义分割结果。
-
公开(公告)号：CN114898089A
公开(公告)日：2022-08-12
申请号：CN202210543624.2
申请日：2022-05-18
Applicant: 中国矿业大学(北京) , 北京大学
IPC: G06V10/25 , G06V10/764 , G06V10/762 , G06V20/10 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合高分影像和POI数据的功能区提取与分类方法，其方法如下：A、采集高分影像数据，构建多尺度可变形卷积网络模型提取多尺度功能语义特征影像块；B、采用多尺度分割算法对功能语义特征影像数据进行功能单元分割处理并得到若干个功能区单元；C、计算各个功能区单元的单元属性；D、利用随机森林分类器对各个功能区单元进行分类。本发明构建有多尺度可变形卷积网络模型进行功能语义特征提取，基于功能区单元融合遥感影像多尺度深度特征和POI数据核密度分析特征，通过随机森林分类器实现功能区的分类；本发明能够提高城市功能区提取的精度和精细程度，可以快速高效地应用于大范围城市功能区提取任务，以满足实际应用需求。
-
公开(公告)号：CN114549972A
公开(公告)日：2022-05-27
申请号：CN202210050976.4
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种露天矿采场提取方法、装置、设备、介质及程序产品，包括：获取露天采场的待检测遥感影像，并对待检测遥感影像进行降采样；将降采样后的待检测遥感影像输入至Faster R‑CNN，得到露天采场的矩形范围信息；基于矩形范围信息，在待检测遥感影像上进行截取，得到影像块，并在影像块上叠加NDVI和RRI波段得到具有红、绿、蓝、近红、NDVI、RRI六个波段的待提取影像；将待提取影像输入至改进的U‑Net网络，得到露天采场提取结果。本发明用以解决现有技术中消耗计算机内存和运行时间，以及识别露天矿采场的精度低的缺陷，实现了提升定位和提取的计算效率和精度。
-
公开(公告)号：CN113887459B
公开(公告)日：2022-03-25
申请号：CN202111185384.5
申请日：2021-10-12
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明公开了一种基于改进Unet++的露天矿区采场变化区域检测方法，其方法如下：A、获取至少两个年份的采场样本数据集，采场样本数据集中的数据为露天矿区采场的高分辨率遥感影像；B、基于Pytorch设计构建改进的Unet++网络模型，Unet++网络模型以Unet++作为基础网络结构，引入可变形卷积模块和CBAM注意力机制模块，CBAM注意力机制模块包括通道注意力模块和空间注意力模块；C、Unet++网络模型训练：利用训练数据集对Unet++网络模型进行训练并得到训练后的Unet++网络模型。本发明将多尺度可变形卷积引入Unet++网络模型并用于露天矿区场景特征提取，提高了鲁棒性与识别精度；通过在可变形卷积Unet++网络中加入深度学习注意力机制，增强模型对实质性变化类特征的学习与敏感程度。
-
公开(公告)号：CN114549534B
公开(公告)日：2022-11-15
申请号：CN202210051023.X
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种矿区土地利用识别方法、装置、设备及介质，该方法包括：通过多尺度分割算法对待识别遥感影像进行面向对象分割，得到影像对象单元，并提取各影像对象的影像对象特征；将所述影像对象特征输入至影像对象特征优化网络，得到所述影像对象特征优化网络输出的优化后的影像对象特征；将所述影像对象单元输入至深度特征提取网络，得到所述深度特征提取网络输出的提取各影像对象的深度特征，其中，所述深度特征提取网络为改进的DenseNet网络；将所述优化后的影像对象特征和所述深度特征叠加后进行类别识别，得到矿区用地类型分类结果。本发明用以解决无法高精度识别矿区用地类型的缺陷，实现了提升矿区用地类型的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN113435411B
公开(公告)日：2022-06-17
申请号：CN202110843211.1
申请日：2021-07-26
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06V20/13 , G06V10/80 , G06V10/774 , G06V10/40 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进DeepLabV3+的露天矿区土地利用识别方法，首先制作矿区不同土地利用类型样本数据集，构建DeepLabV3+网络模型，采用Xception作为基础网络架构提取低层和高层特征，其次通过改进的空间金字塔池化提取多尺度特征信息，然后将多尺度特征输入到注意力机制模块中，增强网络模型的分类能力；最后，聚合Xception低层特征与多尺度高层特征，通过卷积和上采样得到模型预测结果。本发明通过低层特征多尺度空间信息融合减少网络逐层卷积池化导致的边缘信息损失，提高了分割精度，通过引入空间注意力机制模块聚合多尺度上下文信息，增强网络模型的分类能力，通过占比加权的方法解决网络训练中样本不平衡的问题，提高了各类别用地的分类识别精度。
-
公开(公告)号：CN114549534A
公开(公告)日：2022-05-27
申请号：CN202210051023.X
申请日：2022-01-17
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心 , 北京数论科技有限公司
Abstract: 本发明提供一种矿区土地利用识别方法、装置、设备、介质及产品，该方法包括：通过多尺度分割算法对待识别遥感影像进行面向对象分割，得到影像对象单元，并提取各影像对象的影像对象特征；将所述影像对象特征输入至影像对象特征优化网络，得到所述影像对象特征优化网络输出的优化后的影像对象特征；将所述影像对象单元输入至深度特征提取网络，得到所述深度特征提取网络输出的提取各影像对象的深度特征，其中，所述深度特征提取网络为改进的DenseNet网络；将所述优化后的影像对象特征和所述深度特征叠加后进行类别识别，得到矿区用地类型分类结果。本发明用以解决无法高精度识别矿区用地类型的缺陷，实现了提升矿区用地类型的识别精度。
-
公开(公告)号：CN117671437B
公开(公告)日：2024-06-18
申请号：CN202311359531.5
申请日：2023-10-19
Applicant: 中国矿业大学(北京)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06V20/10
Abstract: 本发明公开了一种基于多任务卷积神经网络的露天采场识别与变化检测方法，其方法包括：S1、采集研究区T1、T2两个时相的遥感影像数据，构建多任务卷积神经网络模型；S2、变化检测网络分支将第一识别网络分支得到的特征图与第二识别网络分支得到的特征图进行差分融合得到编码特征图，然后通过跳跃连接并进行特征融合得到特征图Dt‑5、Dt‑4、Dt‑3、Dt‑2；S3、变化检测网络分支将特征图Dt1‑2与特征图Dt2‑2进行差分融合得到特征图Da‑t2；S4、将特征图Dt‑2分别与通道注意力权重、空间注意力权重相乘运算得到特征图D′t‑2，然后通过上采样操作得到变化检测结果。本发明构建有基于孪生VGG‑16网络结构的多任务卷积神经网络模型，能够快速高效地应用于露天矿区采场识别与变化区域自动检测。
-
公开(公告)号：CN115546649A
公开(公告)日：2022-12-30
申请号：CN202211306355.4
申请日：2022-10-24
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种单视遥感影像高度估计和语义分割多任务预测方法，其方法包括：A、构建多任务网络模型；B、采集高分辨率光学遥感影像样本并得到样本数据集；C、将样本数据集中的光谱空间特征影像块输入多任务网络模型中；D、采集待预测的高分辨率光学遥感影像并裁剪成光谱空间特征影像块输入训练后的多任务网络模型，分别加权计算得到高度估计预测结果DSM和语义分割预测结果SS。本发明多尺度残差及可变形卷积网络能够实现多尺度特征提取，并能克服各类地物的复杂、异质和尺度差异大等问题，DSM与语义分割生成网络分别利用混合特征和优选特征进行DSM估计与语义分割，最终得到高精度的地物DSM估计结果与语义分割结果。
-
公开(公告)号：CN117671437A
公开(公告)日：2024-03-08
申请号：CN202311359531.5
申请日：2023-10-19
Applicant: 中国矿业大学(北京)
IPC: G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06V20/10
Abstract: 本发明公开了一种基于多任务卷积神经网络的露天采场识别与变化检测方法，其方法包括：S1、采集研究区T1、T2两个时相的遥感影像数据，构建多任务卷积神经网络模型；S2、变化检测网络分支将第一识别网络分支得到的特征图与第二识别网络分支得到的特征图进行差分融合得到编码特征图，然后通过跳跃连接并进行特征融合得到特征图Dt‑5、Dt‑4、Dt‑3、Dt‑2；S3、变化检测网络分支将特征图Dt1‑2与特征图Dt2‑2进行差分融合得到特征图Da‑t2；S4、将特征图Dt‑2分别与通道注意力权重、空间注意力权重相乘运算得到特征图D′t‑2，然后通过上采样操作得到变化检测结果。本发明构建有基于孪生VGG‑16网络结构的多任务卷积神经网络模型，能够快速高效地应用于露天矿区采场识别与变化区域自动检测。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.029 seconds)
