-
公开(公告)号：CN119091307B
公开(公告)日：2025-02-18
申请号：CN202411585538.3
申请日：2024-11-08
Applicant: 江西师范大学
Abstract: 本申请公开了一种融合光谱与地形信息的滑坡隐患遥感探测方法及系统，属于遥感技术领域；其中方法包括：建立滑坡隐患样本清单；根据滑坡隐患样本清单建立光谱与地形约束语义分割网络模型；建立面向多个尺度空间的加权损失函数，并根据加权损失函数对光谱与地形约束语义分割网络模型进行优化；根据滑坡隐患样本清单与加权损失函数对光谱与地形约束语义分割网络模型进行迭代训练；根据滑坡隐患样本清单对进行迭代训练后的地形约束语义分割网络模型进行滑坡隐患分割预测与精度验证；利用深度学习技术构建的光谱与地形约束语义分割网络模型，突破了传统单一数据源及网络架构的局限性，提高了探测效率和准确性。
-
公开(公告)号：CN118691914A
公开(公告)日：2024-09-24
申请号：CN202411196532.7
申请日：2024-08-29
Applicant: 江西师范大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及图像识别处理领域，提出了一种基于协作网络的高分辨率地表覆被遥感分类方法及系统，通过设计一种协作网络，根据局部特征编码模块和全局特征编码模块进行局部覆被特征和全局覆被特征的增强，以获取更多的局部特征信息和全局特征信息，进而提高分类预测的精确性，再设计一种特征解码模块进行多个空间尺度的地表覆被分类预测，并通过设计一种多尺度加权损失函数，根据覆被类型中值频率与对比度因子建立多重加权的损失函数并应用于不同尺度的地表覆被分类预测，以提升少数类与困难类覆被类型的识别能力，进而提高整体分类预测的精确性，最终进行精度验证以输出最终地表覆被分类预测结果，本发明极大地提高了地表覆被分类监测的精确性。
-
公开(公告)号：CN119091307A
公开(公告)日：2024-12-06
申请号：CN202411585538.3
申请日：2024-11-08
Applicant: 江西师范大学
Abstract: 本申请公开了一种融合光谱与地形信息的滑坡隐患遥感探测方法及系统，属于遥感技术领域；其中方法包括：建立滑坡隐患样本清单；根据滑坡隐患样本清单建立光谱与地形约束语义分割网络模型；建立面向多个尺度空间的加权损失函数，并根据加权损失函数对光谱与地形约束语义分割网络模型进行优化；根据滑坡隐患样本清单与加权损失函数对光谱与地形约束语义分割网络模型进行迭代训练；根据滑坡隐患样本清单对进行迭代训练后的地形约束语义分割网络模型进行滑坡隐患分割预测与精度验证；利用深度学习技术构建的光谱与地形约束语义分割网络模型，突破了传统单一数据源及网络架构的局限性，提高了探测效率和准确性。
-
公开(公告)号：CN118691914B
公开(公告)日：2024-11-05
申请号：CN202411196532.7
申请日：2024-08-29
Applicant: 江西师范大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及图像识别处理领域，提出了一种基于协作网络的高分辨率地表覆被遥感分类方法及系统，通过设计一种协作网络，根据局部特征编码模块和全局特征编码模块进行局部覆被特征和全局覆被特征的增强，以获取更多的局部特征信息和全局特征信息，进而提高分类预测的精确性，再设计一种特征解码模块进行多个空间尺度的地表覆被分类预测，并通过设计一种多尺度加权损失函数，根据覆被类型中值频率与对比度因子建立多重加权的损失函数并应用于不同尺度的地表覆被分类预测，以提升少数类与困难类覆被类型的识别能力，进而提高整体分类预测的精确性，最终进行精度验证以输出最终地表覆被分类预测结果，本发明极大地提高了地表覆被分类监测的精确性。
-
-
-
Search Results
4
records
(took 0.121 seconds)
