-
公开(公告)号：CN112990365B
公开(公告)日：2021-08-17
申请号：CN202110434453.5
申请日：2021-04-22
Applicant: 宝略科技(浙江)有限公司
Abstract: 本发明涉及一种面向遥感图像语义分割的深度学习模型的训练方法，该方法为：裁剪遥感图像以及对应的标签，生成训练样本集，构建深度学习模型架构，在训练样本集上训练出一个样本过滤模型，使用样本过滤模型对样本进行预测，得到预测结果，通过将预测结果和样本的对应标签进行对比，挑选出优质样本形成优质样本集，交替训练训练样本集和优质样本集，得到多个经过训练的预测模型，并组成模型池，获取任一张目标遥感图像，将目标遥感图像输入到模型池中，使用模型池预测出目标遥感图像中的要素，该方法简化了深度学习模型的搭建流程，加快了深度学习模型训练的速度，尤其适用于遥感图像训练样本标注质量低的情况。
-
公开(公告)号：CN112990365A
公开(公告)日：2021-06-18
申请号：CN202110434453.5
申请日：2021-04-22
Applicant: 宝略科技(浙江)有限公司
Abstract: 本发明涉及一种面向遥感图像语义分割的深度学习模型的训练方法，该方法为：裁剪遥感图像以及对应的标签，生成训练样本集，构建深度学习模型架构，在训练样本集上训练出一个样本过滤模型，使用样本过滤模型对样本进行预测，得到预测结果，通过将预测结果和样本的对应标签进行对比，挑选出优质样本形成优质样本集，交替训练训练样本集和优质样本集，得到多个经过训练的预测模型，并组成模型池，获取任一张目标遥感图像，将目标遥感图像输入到模型池中，使用模型池预测出目标遥感图像中的要素，该方法简化了深度学习模型的搭建流程，加快了深度学习模型训练的速度，尤其适用于遥感图像训练样本标注质量低的情况。
-
公开(公告)号：CN112801929A
公开(公告)日：2021-05-14
申请号：CN202110382282.6
申请日：2021-04-09
Applicant: 宝略科技(浙江)有限公司
Abstract: 本发明涉及一种用于建筑物变化检测的局部背景语义信息增强方法，即：对比前后时相的两张建筑物原图，在两张原图上标注出建筑物变化区域，生成标注矢量文件，将原图裁切成N块高为H、宽为W的小图，将标注矢量文件转换为和原图等宽、等高的二值图，然后裁切出N块高为h，宽为w的标签，其中h=H/2，w=W/2，形成的图作为训练样本，构建出深度学习模型，对深度学习模型进行训练，任意选取一张待检测的遥感图像输入到训练得到的模型中，该方法实现了局部背景语义信息增强，即W与w之间的差值部分以及H与h之间的差值部分的背景像素对边缘区域的检测形成了信息增强，从源头为深度学习模型判别提供了决定性的上下文特征，显著提高检测准确率。
-
公开(公告)号：CN110555906A
公开(公告)日：2019-12-10
申请号：CN201910638956.7
申请日：2019-07-16
Applicant: 宝略科技(浙江)有限公司
Abstract: 本发明涉及计算机应用技术领域，尤其涉及一种针对倾斜摄影三维实景建模过程中产生的数据处理方法。它包括以下步骤：S1、用户设定采集区域，然后采集数据；S2、系统首先根据设定的采集区域大小在数据存储模块上自动分配对应的存储空间，然后匹配数据，并且将匹配的数据改成相同的名称；S3、当信息采集完毕时，计算数据总量，根据计算出来的总量分配计算引擎，然后采用分配的计算引擎进行三维建模计算。这种数据处理方法工作量较低、工作效率较高且可靠性较高。
-
-
-
Search Results
4
records
(took 0.022 seconds)
