-
公开(公告)号：CN116824367A
公开(公告)日：2023-09-29
申请号：CN202310716714.1
申请日：2023-06-15
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/44 , G06F16/29 , G06F16/22
Abstract: 本发明公开了一种基于开放街道地图的土地覆盖分类样本自动生成方法和系统，该方法首先获取开放街道地图数据，然后构建了其与通用几何模型(即简单地理要素模型)、通用土地覆盖分类类别之间的映射关系，最后提出了地理对象经纬度坐标到图内坐标的转换方法，最终实现土地覆盖分类样本的自动化批量生成。与现有的人工样本标注方法相比，本发明方法在效率、成本、质量控制上拥有绝对的优势。
-
公开(公告)号：CN114283120A
公开(公告)日：2022-04-05
申请号：CN202111461204.1
申请日：2021-12-01
Applicant: 武汉大学
Abstract: 本发明公开了一种基于领域自适应的端到端多源异质遥感影像变化检测方法。该方法通过一个预训练的非共享权重孪生深度特征提取网络提取双时相影像的高维特征，再将提取出的异质影像高维特征放入领域自适应域一致性约束层中进行特征空间一致性约束，最后解码部分融合特征提取得到的不同尺度特征，并进行深度监督融合得到最终变化检测结果。本发明提出的用于多源异质遥感影像变化检测的网络框架在编码解码过程之间加入了一个领域一致性约束块，并且在解码部分融合原始影像的多级高维特征，并通过深度监督融合方式得到结果，实现比已有方法更高的变化区域精确率和召回率。
-
公开(公告)号：CN111325771B
公开(公告)日：2022-02-01
申请号：CN202010096915.2
申请日：2020-02-17
Applicant: 武汉大学
Abstract: 本发明公开了一种基于影像融合框架的高分辨率遥感影像变化检测方法。该方法通过一个预训练的深度特征提取网络提取双时相影像的高维特征，再将提取出的原始影像高维特征放入一个变化检测网络中进行变化检测。本发明提出的用于变化检测的网络框架在变化结果图重建过程中融入了原始影像的多级高维特征，使得产生的变化结果图具有较高的轮廓一致性和内部一致性，通过在变化检测网络中引入多级深度监督，实现比已有方法更高的变化区域精确率和召回率。
-
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：CN114283120B
公开(公告)日：2024-04-19
申请号：CN202111461204.1
申请日：2021-12-01
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06V10/80
Abstract: 本发明公开了一种基于领域自适应的端到端多源异质遥感影像变化检测方法。该方法通过一个预训练的非共享权重孪生深度特征提取网络提取双时相影像的高维特征，再将提取出的异质影像高维特征放入领域自适应域一致性约束层中进行特征空间一致性约束，最后解码部分融合特征提取得到的不同尺度特征，并进行深度监督融合得到最终变化检测结果。本发明提出的用于多源异质遥感影像变化检测的网络框架在编码解码过程之间加入了一个领域一致性约束块，并且在解码部分融合原始影像的多级高维特征，并通过深度监督融合方式得到结果，实现比已有方法更高的变化区域精确率和召回率。
-
Patent Agency Ranking
公开(公告)号：CN114863248A
公开(公告)日：2022-08-05
申请号：CN202210199571.7
申请日：2022-03-02
Applicant: 武汉大学
IPC: G06V20/00 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深监督自蒸馏的图像目标检测方法。该方法通过深监督自蒸馏的方式来强化火灾检测模型对旧图像集特征知识的学习能力，并重点基于损失函数权重自适应方法，指导模型在训练过程中自动均衡新旧数据集的特征重要性。从而确保模型能够实现高效的增量更新，并进一步提升模型的泛化性能。本发明方法可以有效避免灾难性遗忘问题的发生，并以自适应的方式最大程度上均衡新旧数据集特征知识的重要性，可以在不增加模型参数量、不更改模型架构的情况下实现模型的增量更新，对于模型的更新换代以及泛化性能提升具有重要意义。
-
公开(公告)号：CN114463651A
公开(公告)日：2022-05-10
申请号：CN202210012912.5
申请日：2022-01-07
Applicant: 武汉大学
Inventor： 张晨晓
Abstract: 本发明公开了一种基于超轻量级高效卷积神经网络的农作物病虫害识别方法。该方法使用深度可分离卷积模块进行高效的图片高维特征提取，结合空间金字塔池化层进行局部全局的特征保持，然后将其放入到全连接分类器中进行分类训练。与现有方法相比，本发明方法拥有更少的网络参数量，网络训练的速度更快，在小样本集上能够达到与复杂神经网络相近的分类精度。本发明方法在实际应用场景中对于硬件设备的要求更低，更加适合于在低算力的移动端平台进行部署应用。
-
公开(公告)号：CN111640159B
公开(公告)日：2022-04-01
申请号：CN202010390580.5
申请日：2020-05-11
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孪生卷积神经网络的遥感影像变化检测方法，涉及遥感领域，主要解决目前常规的变化检测方法泛化性较差的问题；该方法包括以下步骤：获取多时相遥感影像数据，得到掩膜图像，建立遥感影像变化检测数据集，构建孪生卷积神经网络模型，利用数据集训练孪生卷积神经网络，获得训练模型，利用训练模型对待检测的前时相影像和后时相影像进行变化检测，得到初步变化预测结果，将初步变化预测结果的像素的预测值与预先设定的像素阈值进行比较，从而将初步变化预测结果划分为变化区域类别和非变化区域类别，得到变化检测结果。本发明的方法泛化性能更好，同时满足端到端处理，便于工程应用。
-
公开(公告)号：CN111126127A
公开(公告)日：2020-05-08
申请号：CN201911011495.7
申请日：2019-10-23
Applicant: 武汉大学
Abstract: 本发明公开了一种多级空间上下文特征指导的高分辨率遥感影像分类方法。该方法将对象的纹理特征，几何特征和空间上下文特征作为深度学习框架的高维特征，放入到全连接分类器中进行分类训练，得到一个面向对象的多特征融合分类器，最后，使用条件随机场对对象级别的分类结果进行像素级别的空间上下文指导分类，进一步提升了分类的精度。本发明提出的多级空间上下文指导的高分辨率遥感影像分类方法，在对象分类中融入了对象的多个特征能够实现超越一般对象分类的深度学习方法，此外，还引入了像素级空间上下文指导的条件随机场方法，实现了高精度的高分辨率遥感影像分类。
-
公开(公告)号：CN105279260B
公开(公告)日：2018-08-10
申请号：CN201510694430.2
申请日：2015-10-21
Applicant: 武汉大学
Abstract: 本发明公开了一种基于空间网格划分的政务大数据挖掘方法，根据政务数据集中数据的空间粒度确定空间网格的大小，对空间网格进行划分并将各数据集中的数据赋值给网格作为属性值，以单元网格为单位进行网格数据存储和多维数据挖掘。本发明将不同种类数据集组织在统一的时空维度下，有效地实现了多种类型的政务信息挖掘，大幅度增加了信息挖掘的深度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.039 seconds)
