-
公开(公告)号：CN116090541A
公开(公告)日：2023-05-09
申请号：CN202310002001.9
申请日：2023-01-03
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
IPC: G06N3/082 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于切片下采样的模型轻量化方法、设备及存储介质。该发明通过特征切片的方式实现模型的下采样操作，紧接着追加一个深度可分离卷积，以提取下采样所得特征映射层的高层语义信息。它可以在明显降低参数量和计算量的情况下保持或者轻微提升模型精度。与现有技术相比，本发明确保了下采样过程中图像特征信息的全量继承，在显著降低模型参数量的情况下可以有效维持模型性能，有助于提升深度学习模型的训练和推理速度，减少设备资源占用和降低功耗。为轻量化深度学习模型的构建提供了新的参考和思路，对于在资源受限的边缘计算设备上部署和应用深度学习模型具有重要意义。
-
公开(公告)号：CN113658338A
公开(公告)日：2021-11-16
申请号：CN202110982203.5
申请日：2021-08-25
Applicant: 广东南方数码科技股份有限公司
Abstract: 本申请提供一种点云树木单体分割方法、装置、电子设备及存储介质，包括：根据预设高度，将原始树木点云数据划分为第一点集合和第二点集合，其中，第一点集合中的点的z坐标值大于预设高度，第二点集合中的点的z坐标值小于预设高度；采用预设聚类算法，对第二点集合进行处理，获取n个聚类点集合；将各聚类点集合中的第一点，分别与第一点集合中的点进行比较，根据比较结果将第一点集合中的点进行划分，获取n个目标分割结果。通过上述步骤，可以首先通过对树干上的点进行聚合分类，再将树冠层的点云数据按照树干上的点的聚类集合进行分割，可以充分适应树木的生长特点，使得对点的分类足够准确，从而使得点云树木单体分割的结果更加精准。
-
公开(公告)号：CN113345092A
公开(公告)日：2021-09-03
申请号：CN202110490354.9
申请日：2021-05-06
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
Abstract: 本发明公开了一种用于实景三维模型的地面模型与非地面模型自动分离方法。本发明通过使用针对面元的距离约束的粒子物理模型，在倒置后的实景三维模型上模拟布料的自由下落，通过质点与实景三维模型的碰撞检测确定布料的最终形态并作为地面模型的近似，通过比较质点与实景三维模型面元的空间关系来局区分地面模型和非地面模型。本发明具备高效率、高鲁棒性、高精度优点，可用于城市、林地、乡村等场景及任意面元密度的实景三维模型的地面模型与非地面模型的分离。
-
公开(公告)号：CN118037567A
公开(公告)日：2024-05-14
申请号：CN202410300992.3
申请日：2024-03-15
Applicant: 广东南方数码科技股份有限公司
IPC: G06T5/50
Abstract: 本申请提供了一种图像融合处理方法、装置、电子设备及存储介质，其中，该方法包括：根据待处理图像中的多个矢量图斑确定最高网格层级和最低网格层级，按照最高网格层级对应第一图像网格数量划分待处理图像得到多个网格，根据最高网格层级下矢量图斑确定网格数据，以最高网格层级下的多个网格为起始，根据各网格的网格数据，逐层循环进行网格融合，直至得到最低网格层级下的多个网格，根据循环融合结果得到融合后图像。本申请通过对待处理图像划分为多个网格层级，并对多个网格层级中的网格数据分别同时进行网格融合，从而降低单次计算的工作量，使工作量远小于对整张待处理图像直接进行融合，避免处理整体图像时工作量过大导致系统崩溃等异常。
-
公开(公告)号：CN115601660A
公开(公告)日：2023-01-13
申请号：CN202211316028.7
申请日：2022-10-26
Applicant: 广东南方数码科技股份有限公司(CN)
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于神经网络结构搜索的遥感影像变化检测方法，属于遥感解译技术领域。传统方法在变化检测模块的设计上过于依赖人工经验，且设计的模块深度与复杂度较低，无法提取高质量变化特征。本发明针对遥感影像变化检测任务设计了专用的搜索空间，利用结构搜索完成变化特征提取模块的自动设计。搜索空间有四条包含六个节点的链式路径，每两个节点之间有五种可采取的操作，这样的结构增加了模块结构的深度与复杂度，能够提取更加高质量的变化特征。本发明所提方法能够有效地提取前后影像图的变化特征，提升变化检测的模型的判别能力，具有重要的理论和实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN112488025B
公开(公告)日：2022-06-14
申请号：CN202011451412.9
申请日：2020-12-10
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
IPC: G06V20/10 , G06V10/26 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态特征融合的双时相遥感影像语义变化检测方法，包括以下几个步骤：步骤A：对多时相遥感影像数据集进行数据增强的预处理；步骤B：构建基于多模态特征融合的卷积神经网络模型，利用数据集训练卷积神经网络，获得训练模型；步骤C：利用训练模型对数据集进行数据清理；步骤D：利用清理后的数据重新训练模型，并对测试数据进行测试得到预测结果；步骤E：变化检测预测结果后处理。本发明提供的基于多模态特征融合的双时相遥感影像语义变化检测方法，可以在检测出变化区域的同时检测出区域变化前后的类别，应用范围更广泛，同时满足端到端处理，不需要人工进行其他处理，便于工程应用。
-
公开(公告)号：CN114529837A
公开(公告)日：2022-05-24
申请号：CN202210182903.0
申请日：2022-02-25
Applicant: 广东南方数码科技股份有限公司
IPC: G06V20/13 , G06V10/26 , G06V10/44 , G06V10/774 , G06K9/62
Abstract: 本申请涉及图像处理的技术领域，公开了一种建筑物轮廓提取方法、系统、计算机设备及存储介质，所述建筑物轮廓提取方法包括：获取待处理影像并输入至预设的实例分割模型中，得到待处理影像中的建筑物掩膜与建筑边界框；根据所述建筑边界框获取目标建筑的影像块，将所述影像块与对应的建筑物掩膜输入图像分割模型，得到目标建筑的建筑物图斑，获取建筑物图斑的轮廓像素点位置；基于目标建筑的影像块检测目标建筑的主方向，基于所述主方向对目标建筑的建筑物图斑进行边界规则化处理，生成建筑物边界提取结果；本申请具有提高从遥感影像中提取建筑物的边界线的准确性的效果。
-
公开(公告)号：CN113850759A
公开(公告)日：2021-12-28
申请号：CN202110994755.8
申请日：2021-08-27
Applicant: 广东南方数码科技股份有限公司
Abstract: 本发明提供一种特征点检测方法，包括接收需要进行特征点检测的待测影像数据；采用能够检测特定类型特征点的预设特征点检测模型对待测影像数据进行识别，得到含有若干候选特征点的候选特征点集合；采用预设角点检测算法对待测影像数据进行角点检测，得到含有若干角点的角点集合；将与角点集合中存在对应角点的候选特征点作为最终特征点，得到含有若干最终特征点的最终特征点集合。本发明满足了用户对于特定类型特征点的识别需求，又提高了整体特征点检测的精准度，整个特征点检测方法适用性较广。
-
公开(公告)号：CN113378727A
公开(公告)日：2021-09-10
申请号：CN202110665192.8
申请日：2021-06-16
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
Abstract: 本发明公开了一种基于特征偏差对齐的遥感影像二值变化检测方法，包括：步骤1：构造双时相遥感影像二值变化检测数据集并进行预处理；步骤2：构建基于特征偏差对齐的二值变化检测模型，并给定双时相遥感影像获得变化区域预测结果及变化区域辅助预测图；步骤3：使用真实变化区域标签结果与预测变化区域结果及变化区域辅助预测图分别计算主损失函数和辅助损失函数，根据损失对梯度进行反向传播更新模型，直至损失值收敛时终止训练，保存模型结构及模型权重；步骤4：使用步骤3训练好的模型权重对测试集数据进行预测。本发明可以有效的解决当双时相遥感影像由于多视角拍摄、高层建筑物过多或地形起伏较大等因素引起的变化区域误检现象。
-
公开(公告)号：CN112488025A
公开(公告)日：2021-03-12
申请号：CN202011451412.9
申请日：2020-12-10
Applicant: 武汉大学 , 广东南方数码科技股份有限公司
Abstract: 本发明公开了一种基于多模态特征融合的双时相遥感影像语义变化检测方法，包括以下几个步骤：步骤A：对多时相遥感影像数据集进行数据增强的预处理；步骤B：构建基于多模态特征融合的卷积神经网络模型，利用数据集训练卷积神经网络，获得训练模型；步骤C：利用训练模型对数据集进行数据清理；步骤D：利用清理后的数据重新训练模型，并对测试数据进行测试得到预测结果；步骤E：变化检测预测结果后处理。本发明提供的基于多模态特征融合的双时相遥感影像语义变化检测方法，可以在检测出变化区域的同时检测出区域变化前后的类别，应用范围更广泛，同时满足端到端处理，不需要人工进行其他处理，便于工程应用。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.037 seconds)
