-
公开(公告)号:CN113792041B
公开(公告)日:2024-04-09
申请号:CN202110893536.0
申请日:2021-08-04
Applicant: 河南大学
IPC: G06F16/22 , G06F16/2458 , G06F16/27 , G06F16/28 , G06F16/51
Abstract: 本发明提供一种基于Hive和Spark的遥感数据服务离线批处理系统及其数据处理方法。该系统包括采集模块、存储模块、计算模块、数据服务接口和数据应用模块,所述计算模块包括迭代式内存计算Spark和统一资源调度管理Yarn;所述系统还包括:Hive数据仓库;所述Hive数据仓库包括原始数据ODS层、维度数据DIM层、明细数据EDW层、汇总数据CDM层和应用数据APP层。本发明使用Hive和Spark计算引擎来对遥感数据服务进行离线处理,为满足用户多样化的需求、实现主动的服务模式提供数据支撑。
-
公开(公告)号:CN113065511A
公开(公告)日:2021-07-02
申请号:CN202110430858.1
申请日:2021-04-21
Applicant: 河南大学
Abstract: 本发明提供一种基于深度学习的遥感图像飞机检测模型及方法。该模型包括:下采样单元、上采样单元、特征融合单元和检测单元;所述下采样单元的输出和所述上采样单元的输出作为所述特征融合单元的输入,所述特征融合单元的输出作为检测单元的输入;所述下采样单元包括依次相连接的CBL模块、ResUnit*1卷积块、ResUnit*2卷积块、第一ResUnit*8卷积块、第二ResUnit*8卷积块、ResUnit*4卷积块和CBL*5模块;其中,ResUnit*1卷积块、ResUnit*2卷积块、第一ResUnit*8卷积块、第二ResUnit*8卷积块、ResUnit*4卷积块分别对应5次下采样操作,每次下采样操作均使得输入的遥感图像的大小缩小为原来的1/2。本发明可以提高目标物体的检测率。
-
公开(公告)号:CN116645581A
公开(公告)日:2023-08-25
申请号:CN202310685974.7
申请日:2023-06-09
Applicant: 河南大学
IPC: G06V10/80 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明提供一种定向遥感目标检测方法。该方法包括:步骤1:采用主干网络提取输入图像的三种不同尺度大小的特征图C3、C4和C5;步骤2:采用特征金字塔网络对特征图C3、C4和C5进行融合,得到五种不同尺度大小的金字塔特征图P3、P4、P5、P6和P7;步骤3:采用跨网格标签分配策略来为真值框分配正负样本,进而采用分配好的样本对特征细化检测头进行训练;步骤4:将五种不同尺度大小的金字塔特征图P3、P4、P5、P6和P7输入至训练好的特征细化检测头,得到目标检测结果。
-
公开(公告)号:CN113065511B
公开(公告)日:2024-02-02
申请号:CN202110430858.1
申请日:2021-04-21
Applicant: 河南大学
Abstract: 本发明提供一种基于深度学习的遥感图像飞机检测模型及方法。该模型包括:下采样单元、上采样单元、特征融合单元和检测单元;所述下采样单元的输出和所述上采样单元的输出作为所述特征融合单元的输入,所述特征融合单元的输出作为检测单元的输入;所述下采样单元包括依次相连接的CBL模块、ResUnit*1卷积块、ResUnit*2卷积块、第一ResUnit*8卷积块、第二ResUnit*8卷积块、ResUnit*4卷积块和CBL*5模块;其中,ResUnit*1卷积块、ResUnit*2卷积块、第一ResUnit*8卷积块、第二ResUnit*8卷积块、ResUnit*4卷积块分别对应5次下采样操作,每次(56)对比文件Shaorong Xie 等,.Diverse receptivefield network with context aggregationfor fast object detection《.Journal ofVisual Communication and ImageRepresentation》.2020,第70卷管军霖 等,.基于YOLOv4卷积神经网络的口罩佩戴检测方法《.现代信息科技》.2020,第4卷(第11期),
-
公开(公告)号:CN111612685B
公开(公告)日:2023-05-16
申请号:CN202010263402.6
申请日:2020-04-07
Applicant: 河南大学
Abstract: 本发明涉及遥感影像处理GPU加速领域,公开一种面向遥感影像的GPU动态自适应加速方法,包括:步骤1:将待处理的遥感影像数据读取至连续主机内存空间中,并获取遥感影像数据的尺寸信息;步骤2:获取GPU硬件参数信息,结合遥感影像数据的尺寸信息,确定动态加速参数;步骤3:基于动态加速参数对遥感影像数据进行动态处理,将遥感影像数据划分为规则的遥感影像数据块,并创建多个GPU异步流;步骤4:将遥感影像数据块分别加载到对应的GPU异步流中执行计算,并对各GPU异步流对应的子执行结果进行合并,得到最终计算结果。本发明在加速性能上相对于传统GPU加速方法有所提升,并有效降低了基于GPU异步流加速遥感影像处理时的应用复杂度。
-
公开(公告)号:CN113792041A
公开(公告)日:2021-12-14
申请号:CN202110893536.0
申请日:2021-08-04
Applicant: 河南大学
IPC: G06F16/22 , G06F16/2458 , G06F16/27 , G06F16/28 , G06F16/51
Abstract: 本发明提供一种基于Hive和Spark的遥感数据服务离线批处理系统及其数据处理方法。该系统包括采集模块、存储模块、计算模块、数据服务接口和数据应用模块,所述计算模块包括迭代式内存计算Spark和统一资源调度管理Yarn;所述系统还包括:Hive数据仓库;所述Hive数据仓库包括原始数据ODS层、维度数据DIM层、明细数据EDW层、汇总数据CDM层和应用数据APP层。本发明使用Hive和Spark计算引擎来对遥感数据服务进行离线处理,为满足用户多样化的需求、实现主动的服务模式提供数据支撑。
-
公开(公告)号:CN111612685A
公开(公告)日:2020-09-01
申请号:CN202010263402.6
申请日:2020-04-07
Applicant: 河南大学
Abstract: 本发明涉及遥感影像处理GPU加速领域,公开一种面向遥感影像的GPU动态自适应加速方法,包括:步骤1:将待处理的遥感影像数据读取至连续主机内存空间中,并获取遥感影像数据的尺寸信息;步骤2:获取GPU硬件参数信息,结合遥感影像数据的尺寸信息,确定动态加速参数;步骤3:基于动态加速参数对遥感影像数据进行动态处理,将遥感影像数据划分为规则的遥感影像数据块,并创建多个GPU异步流;步骤4:将遥感影像数据块分别加载到对应的GPU异步流中执行计算,并对各GPU异步流对应的子执行结果进行合并,得到最终计算结果。本发明在加速性能上相对于传统GPU加速方法有所提升,并有效降低了基于GPU异步流加速遥感影像处理时的应用复杂度。
-
-
-
-
-
-