-
公开(公告)号：CN109117894B
公开(公告)日：2022-05-27
申请号：CN201811006869.1
申请日：2018-08-29
Applicant: 汕头大学
Abstract: 本发明公开了一种基于全卷积神经网络的大尺度遥感图像楼房分类方法。首先，通过在计算网络模型的每层池化层前，融合上一层池化前的特征改善池化造成的图像信息丢失问题；其次，考虑大尺度遥感图像楼房分类的不平衡问题，改进常规的交叉熵损失函数，提出基于FocalLoss损失函数的加权损失函数WFL(Weighted FocalLoss)。本发明公开的一种基于全卷积神经网络的大尺度遥感图像楼房分类方法能够高效准确的生成与原始图像具有同样尺寸大小的二值分类映射图，在大尺度遥感图像楼房分类领域具有重要的实际应用意义，可以为城镇规划、演变提供可靠的技术支持。
-
Patent Agency Ranking
公开(公告)号：CN113268807A
公开(公告)日：2021-08-17
申请号：CN202110815719.0
申请日：2021-07-19
Applicant: 汕头大学
IPC: G06F30/13 , G06F17/11 , G06Q10/06 , G06Q50/08 , G06F119/14
Abstract: 本发明涉及分布式数据处理领域，公开了一种基于有限质点法的建筑群灾变模拟分布式计算方法，所述方法包括以下步骤：S1、建筑群结构相关数据传输至主控制节点以进行分布式计算的准备和启动；S2、主控制节点将建筑群结构相关数据通过高速网络分发给集群中从节点上的执行进程；S3、从节点上的执行进程对建筑群结构相关数据执行质点位移和单元内力的计算；S4、从节点上的执行进程将计算结果提交回主控制节点，主控制节点对建筑群结构中每个质点的合力、合力矩进行更新。本发明以有限质点法作为计算基础，通过计算机集群分布式计算，有效实现大规模以及高效率的城市建筑群地震灾变模拟计算。
-
公开(公告)号：CN113268807B
公开(公告)日：2022-02-18
申请号：CN202110815719.0
申请日：2021-07-19
Applicant: 汕头大学
IPC: G06F30/13 , G06F17/11 , G06Q10/06 , G06Q50/08 , G06F119/14
Abstract: 本发明涉及分布式数据处理领域，公开了一种基于有限质点法的建筑群灾变模拟分布式计算方法，所述方法包括以下步骤：S1、建筑群结构相关数据传输至主控制节点以进行分布式计算的准备和启动；S2、主控制节点将建筑群结构相关数据通过高速网络分发给集群中从节点上的执行进程；S3、从节点上的执行进程对建筑群结构相关数据执行质点位移和单元内力的计算；S4、从节点上的执行进程将计算结果提交回主控制节点，主控制节点对建筑群结构中每个质点的合力、合力矩进行更新。本发明以有限质点法作为计算基础，通过计算机集群分布式计算，有效实现大规模以及高效率的城市建筑群地震灾变模拟计算。
-
公开(公告)号：CN110363078A
公开(公告)日：2019-10-22
申请号：CN201910486531.9
申请日：2019-06-05
Applicant: 汕头大学
Abstract: 本公开提供一种基于ADMM-Net的高光谱图像分类方法及装置，首先，输入高光谱图像的采样数据及相应的参数，通过ADMM算法步骤可以得到一个分类结果。之后为了减小误差，采用反向传播法(BP)来计算相应的梯度，从而使得每一层的参数都可以得到更新，这样再次训练就可以得到误差较小的分类结果。在保证高光谱图像采样数据为小样本前提下，该方法明显提升了它的分类准确率(OA)，这对于后续应用高光谱图像进行分析具有重要的实际意义。
-
公开(公告)号：CN109117894A
公开(公告)日：2019-01-01
申请号：CN201811006869.1
申请日：2018-08-29
Applicant: 汕头大学
Abstract: 本发明公开了一种基于全卷积神经网络的大尺度遥感图像楼房分类方法。首先，通过在计算网络模型的每层池化层前，融合上一层池化前的特征改善池化造成的图像信息丢失问题；其次，考虑大尺度遥感图像楼房分类的不平衡问题，改进常规的交叉熵损失函数，提出基于FocalLoss损失函数的加权损失函数WFL(Weighted FocalLoss)。本发明公开的一种基于全卷积神经网络的大尺度遥感图像楼房分类方法能够高效准确的生成与原始图像具有同样尺寸大小的二值分类映射图，在大尺度遥感图像楼房分类领域具有重要的实际应用意义，可以为城镇规划、演变提供可靠的技术支持。
-
公开(公告)号：CN107292838A
公开(公告)日：2017-10-24
申请号：CN201710420889.2
申请日：2017-06-07
Applicant: 汕头大学
CPC classification number: G06T5/003 , G06T7/11 , G06T2207/20056
Abstract: 本发明涉及一种基于模糊区域分割的图像去模糊方法，包括以下步骤：S1为表征特征差异，采用尖峰措施区分模糊区域B和非模糊区域U；S2利用Graph-cut算法将模糊区域B和非模糊区域U分割；S3对模糊区域B进行原始图像区域L的估计；S4对模糊区域B进行模糊核k的估计；S5对模糊区域B进行图像反卷积，得到清晰区域；S6将清晰区域与非模糊区域U重新融合，得到最后的去模糊结果。本发明先将一幅模糊图像的模糊区域与非模糊区域进行分割，对于模糊区域进行原始图像区域和模糊核的估计，然后再进行图像反卷积，从而将模糊区域去模糊得到清晰区域，再将清晰区域与之前的非模糊区域相结合，得到模糊图像去模糊的最终结果，有效提高效率和缩短时间。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
