-
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。
-
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：CN114549972B
公开(公告)日：2023-01-03
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、设备及介质，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。
-
Patent Agency Ranking
公开(公告)号：CN113887459A
公开(公告)日：2022-01-04
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：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：CN113435411A
公开(公告)日：2021-09-24
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
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：CN117725493B
公开(公告)日：2025-01-10
申请号：CN202311340078.3
申请日：2023-10-16
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06F18/2411 , G06F18/214 , G06F18/243 , G06N3/09 , G06N3/082
Abstract: 本发明公开了一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其方法包括：S1、构建滑坡特征样本数据集，提取滑坡影响因子集并与滑坡危险性结果关联存储；S2、构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。本发明通过滑坡危险性评价模型的初级学习器层多个模型的训练及次级学习器层的模型训练，具有模型预测精度高、综合性高等优点，对于地质灾害隐患防范具有重要的意义。
-
公开(公告)号：CN117725493A
公开(公告)日：2024-03-19
申请号：CN202311340078.3
申请日：2023-10-16
Applicant: 中国矿业大学(北京) , 中国自然资源航空物探遥感中心
IPC: G06F18/2411 , G06F18/214 , G06F18/243 , G06N3/09 , G06N3/082
Abstract: 本发明公开了一种基于改进型Stacking融合模型的滑坡危险性结果评价方法，其方法包括：S1、构建滑坡特征样本数据集，提取滑坡影响因子集并与滑坡危险性结果关联存储；S2、构建滑坡危险性评价模型，滑坡危险性评价模型包括初级学习器层和次级学习器层，次级学习器层包括支持向量机SVM，支持向量机SVM以初级学习器层的输出及权重作为输入利用核函数输出滑坡危险性分类结果；S3、采集研究区的滑坡数据输入滑坡危险性评价模型，然后输出滑坡危险性结果。本发明通过滑坡危险性评价模型的初级学习器层多个模型的训练及次级学习器层的模型训练，具有模型预测精度高、综合性高等优点，对于地质灾害隐患防范具有重要的意义。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.175 seconds)
