-
公开(公告)号：CN118915136A
公开(公告)日：2024-11-08
申请号：CN202410926250.1
申请日：2024-07-11
Applicant: 武汉大学
IPC: G01V1/28 , G01V1/30 , G06F18/25 , G06F18/213 , G06F18/15 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明属于地震监测技术，具体涉及基于深度学习多模态融合的地震活动实时监测方法及设备，该方法融合不同来源、不同类型的地震相关数据，利用深度学习技术对多模态数据进行特征提取和融合，实现地震活动的实时监测和预警。多模态数据包括地震波信号、地质环境数据、地震历史数据等，通过对这些多模态数据进行预处理和特征提取，得到各个数据模态的特征表示。然后，利用深度学习模型将这些特征进行融合，得到地震活动的综合特征表示。最后，基于综合特征表示进行地震活动的实时监测和预警。该方法具有多模态数据融合、深度学习技术和实时监测等优势，为地震活动的实时监测和预警提供了新的解决方案。
-
公开(公告)号：CN118469843A
公开(公告)日：2024-08-09
申请号：CN202410562341.1
申请日：2024-05-08
Applicant: 武汉大学
IPC: G06T5/60 , G06T5/92 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种高光谱图像的背景重建方法、装置、存储介质及电子设备。该方法包括：获取原始高光谱图像；搭建改进的低秩背景特征提取网络，将所述原始高光谱图像输入到所述改进的低秩背景特征提取网络中，得到多个低秩矩阵，并基于所述多个低秩矩阵得到低秩背景特征；其中，所述改进的低秩背景特征提取网络中包括LBM模块，所述LBM模块为稀疏连接结构；对所述低秩背景特征进行调整，得到重建的高光谱图像背景。本申请通过LBM模块提取低秩背景特征，并基于低秩背景特征重建高光谱图像背景，能够快速重建高光谱背景图像且准确度较高。
-
公开(公告)号：CN119151933A
公开(公告)日：2024-12-17
申请号：CN202411646678.7
申请日：2024-11-18
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及图像异常检测技术领域，特别涉及一种基于嵌套自编码器的高光谱图像异常检测方法和装置，其中，方法包括：获取原始高光谱图像；基于上采样结构，利用第一级编码器对原始高光谱图像在空间维度上进行特征编码和解码，并利用第二级编码器对原始高光谱图像在光谱维度上进行特征编码和解码，得到原始高光谱图像的空间特征和光谱特征；基于空间特征和光谱特征重建得到重建高光谱图像的异常像素点。由此，解决了现有技术检测方法虚警率高、细节重建效果差、图像信息利用率低等问题，通过对深度学习模型的结构进行改进，具有自动化、检测准度高、复杂度低、快速高效等优点。
-
公开(公告)号：CN118447404A
公开(公告)日：2024-08-06
申请号：CN202410660029.6
申请日：2024-05-27
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了高光谱图像的背景异常识别方法、装置、存储介质及电子设备。该方法包括：获取原始高光谱图像；将所述原始高光谱图像输入到高光谱图像背景提取模型中，得到背景特征；其中，所述高光谱图像背景提取模型包括第一网络提取分支与第二网络提取分支，所述第一网络提取分支包括多个扩展卷积层，用于提取全局特征，所述第二网络分支包括卷积层，用于提取局部特征，将所述全局特征与所述局部特征融合，得到所述背景特征；将所述背景特征与所述原始高光谱图像进行对比，得到背景异常识别结果。本申请通过设置多个扩展卷积层，在不尺度上提取特征，扩大感受野，并且减少了计算复杂度，将全局信息与局部信息融合，能够精准识别背景异常。
-
公开(公告)号：CN119418261A
公开(公告)日：2025-02-11
申请号：CN202411397586.X
申请日：2024-10-09
Applicant: 武汉大学
IPC: G06V20/52 , G06V20/10 , G06V10/40 , G06V10/25 , G06V10/82 , G06V10/774 , G06V10/74 , G06V10/764 , G06T7/00 , G06T7/62 , G06N3/0464 , G06Q10/20 , G06Q50/26
Abstract: 本发明提出了一种城市基础设施损坏实时监测与响应方法及系统。本发明布置在城市基础设施多个关键部位的多个图像传感器，用于实时采集基础设施的图像，并通过采集的图像数据构建基础设施损坏的图像样本库；接收并处理图像数据，提取关键特征；对实时监测图像数据进行处理和分析，识别出基础设施的损坏情况，并评估损坏程度。本发明通过基础设施损坏特征记忆和基于扩散生成的泛化联想技术，实现了对城市基础设施损坏问题的实时监测、精准识别和快速响应。本发明不仅提高了城市管理和应急救援的效率和准确性，还为城市管理的智能化和精细化提供了有力的数据支持。
-
Patent Agency Ranking
公开(公告)号：CN119152374B
公开(公告)日：2025-01-21
申请号：CN202411606049.1
申请日：2024-11-12
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/094 , G06N3/0455
Abstract: 本发明涉及信息处理技术领域，特别涉及一种基于低秩嵌入与多尺度的异常检测方法、装置及电子设备。方法包括：获取高光谱图像，并对高光谱图像进行预处理，得到原始高光谱图像；利用预设的低秩背景特征提取模型对原始高光谱图像进行特征提取操作，得到低秩背景特征，并利用预先构建的多尺度融合特征提取模型，提取原始高光谱图像的全局特征和局部特征；对低秩背景特征、全局特征和局部特征进行整合处理，将得到的目标重建背景图像与高光谱图像进行比较，识别异常区域。由此，通过采用低秩背景特征提取与多尺度融合特征提取实现高光谱图像灾害监测，解决了现有检测方法检测过程耗时长、效率低、精度低的问题，具有自动化、高精度、快速高效等优点。
-
公开(公告)号：CN119091325A
公开(公告)日：2024-12-06
申请号：CN202410842811.X
申请日：2024-06-27
Applicant: 武汉大学
IPC: G06V20/17 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06F16/29
Abstract: 本发明属于无人机、图像处理和道路工程技术，具体涉及智能无人机辅助灾后道路损毁检测与修复的方法和系统，该方法包括以下步骤：利用无人机对灾后道路进行高空和低空航拍，获取道路表面的图像数据；对所获取的图像数据进行预处理；采用图像识别算法对预处理后的图像数据进行识别，识别道路表面的裂缝、坑洼损毁情况，生成损毁检测报告；结合地理信息系统，对损毁检测报告进行空间分析，确定损毁道路的空间分布和严重程度；根据空间分析的结果，制定修复规划方案，包括修复顺序、修复方法和修复材料。该方法能够高效地将这些数据整合、管理和分析，实现损毁道路的可视化展示和空间分析，为决策者提供直观、全面的道路损毁信息。
-
公开(公告)号：CN118823346A
公开(公告)日：2024-10-22
申请号：CN202410912448.4
申请日：2024-07-09
Applicant: 武汉大学
IPC: G06V10/26 , G06V20/70 , G06V10/40 , G06V10/30 , G06V10/20 , G06V10/422 , G06V10/54 , G06V10/771 , G06V10/80
Abstract: 本发明属于计算机视觉和灾害分析技术，具体涉及一种自适应分割大规模灾害场景的方法及设备，该方法通过大模型对输入的灾害场景图像或视频进行预处理，以提高图像质量，为后续的分割任务提供更为准确的数据基础。利用自适应分割算法对预处理后的图像进行分割，将灾害场景中的不同元素。在分割过程中，该算法能够自适应地调整分割策略，根据灾害场景的特点和变化，优化分割效果。该算法还采用了多尺度特征融合技术，充分利用不同尺度的特征信息，提高分割精度和鲁棒性，该方法将分割结果进行可视化展示，并生成相应的分析报告，为灾害应急响应和救援提供决策依据。该自适应大模型分割算法在灾害场景解释中的方法，具有高效、准确、自适应等特点。
-
公开(公告)号：CN119151933B
公开(公告)日：2025-04-04
申请号：CN202411646678.7
申请日：2024-11-18
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及图像异常检测技术领域，特别涉及一种基于嵌套自编码器的高光谱图像异常检测方法和装置，其中，方法包括：获取原始高光谱图像；基于上采样结构，利用第一级编码器对原始高光谱图像在空间维度上进行特征编码和解码，并利用第二级编码器对原始高光谱图像在光谱维度上进行特征编码和解码，得到原始高光谱图像的空间特征和光谱特征；基于空间特征和光谱特征重建得到重建高光谱图像的异常像素点。由此，解决了现有技术检测方法虚警率高、细节重建效果差、图像信息利用率低等问题，通过对深度学习模型的结构进行改进，具有自动化、检测准度高、复杂度低、快速高效等优点。
-
公开(公告)号：CN119274075A
公开(公告)日：2025-01-07
申请号：CN202411383230.0
申请日：2024-09-30
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/80 , G06V10/44 , G06T5/70 , G06T7/136 , G06T7/13 , G06Q10/04 , G06Q50/26 , G06T5/80 , G08B21/10
Abstract: 本发明提出了一种多源遥感卫星数据融合的洪水监测预警方法及系统。本发明收集洪水区域的多种类型的遥感卫星数据；对收集到的遥感卫星数据进行预处理；将预处理后的多种遥感卫星数据通过整合不同尺度特征以获得特征融合；将基于重访通道注意力模块的特征融合从同层场景推广到跨层场景；利用融合后的遥感影像进行洪水识别，提取出洪水区域的边界和范围；根据识别出的洪水区域和历史洪水数据，结合气象、水文信息，进行洪水预警得到预警结果；洪水事件进行洪水成因、洪水过程、洪水影响综合分析。本发明通过整合多源卫星数据，旨在提升洪水大范围检测的精确度，并强化洪水趋势的预测能力，从而确保洪水时空预警的准确性与可靠性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.015 seconds)
