-
公开(公告)号：CN111814563B
公开(公告)日：2022-05-17
申请号：CN202010526298.5
申请日：2020-06-09
申请人： 河南工业大学
IPC分类号： G06V10/764 , G06V10/774 , G06V20/10 , G06V10/82 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种种植结构的分类方法及装置，其主要是通过对遥感数据进行预处理，也即通过对遥感数据进行种植结构指数的提取，将确定的种植结构指数加入到原始遥感图像数据中，并对多个波段的影像进行融合，标注后作为训练集，对构建的网络模型进行训练，并将待分类的遥感图像经过预处理后输入到训练好的网络模型进行种植结构的分类。本发明通过增加训练用影像的空间分辨率和光谱丰富度，进而实现后续网络模型训练中参数的确定，对待测试遥感影像进行准确的分类。
-
公开(公告)号：CN111814563A
公开(公告)日：2020-10-23
申请号：CN202010526298.5
申请日：2020-06-09
申请人： 河南工业大学
摘要： 本发明涉及一种种植结构的分类方法及装置，其主要是通过对遥感数据进行预处理，也即通过对遥感数据进行种植结构指数的提取，将确定的种植结构指数加入到原始遥感图像数据中，并对多个波段的影像进行融合，标注后作为训练集，对构建的网络模型进行训练，并将待分类的遥感图像经过预处理后输入到训练好的网络模型进行种植结构的分类。本发明通过增加训练用影像的空间分辨率和光谱丰富度，进而实现后续网络模型训练中参数的确定，对待测试遥感影像进行准确的分类。
-
公开(公告)号：CN110647932B
公开(公告)日：2022-09-09
申请号：CN201910893956.1
申请日：2019-09-20
申请人： 河南工业大学
IPC分类号： G06K9/62
摘要： 本发明涉及一种种植作物结构遥感影像分类方法及装置，该方法及装置在采用初级深度学习模型进行预测后，根据预测结果分别将边界像元和内部像元提取出来，再分别针对边界像元和内部像元进行训练，以对应得到各个边界像元和各个内部像元的光谱特征在各个分类下的预测权重，将光谱特征相同的边界像元在任一分类下的预测权重与内部像元在相同分类下的预测权重相加，将预测权重和最高的类别作为该光谱特征的预测结果，根据该预测结果再次构建深度学习预测分类模型对待分类的种植作物结构遥感影像进行预测分类。该方法及装置倾斜权重分配，牺牲部分内部像元权重，减少了边界像元误差，提高了总体种植作物结构分类精度。
-
公开(公告)号：CN110647932A
公开(公告)日：2020-01-03
申请号：CN201910893956.1
申请日：2019-09-20
申请人： 河南工业大学
IPC分类号： G06K9/62
摘要： 本发明涉及一种种植作物结构遥感影像分类方法及装置，该方法及装置在采用初级深度学习模型进行预测后，根据预测结果分别将边界像元和内部像元提取出来，再分别针对边界像元和内部像元进行训练，以对应得到各个边界像元和各个内部像元的光谱特征在各个分类下的预测权重，将光谱特征相同的边界像元在任一分类下的预测权重与内部像元在相同分类下的预测权重相加，将预测权重和最高的类别作为该光谱特征的预测结果，根据该预测结果再次构建深度学习预测分类模型对待分类的种植作物结构遥感影像进行预测分类。该方法及装置倾斜权重分配，牺牲部分内部像元权重，减少了边界像元误差，提高了总体种植作物结构分类精度。
-
公开(公告)号：CN111650641B
公开(公告)日：2023-04-25
申请号：CN202010506357.2
申请日：2020-06-05
申请人： 河南工业大学
IPC分类号： G01V1/30
摘要： 本发明提供一种地壳三维结构模型融合方法及装置，属于地球物理领域。该方法包括：在参与融合的多个地壳三维结构模型的重合区域上统一各模型的结构；在深度方向上将重合区域分成多个地层，使每个地层上结构统一后的各模型的物性参数均呈线性关系；结合协同克里金方法，以及每个地层上各模型内部的自协方差函数、各模型间的互协方差函数和各模型的权重比，得到相应地层的融合矩阵；求解每个地层的融合矩阵得到相应地层上结构统一后的各模型对应的最优加权系数矩阵；结合最优加权系数矩阵计算每个地层上所有点融合后的物性参数，得到重合区域上所有点融合后的物性参数，完成模型融合。本发明能消除各模型之间的结构差异和保留各模型原有的地质特征。
-
公开(公告)号：CN113657287A
公开(公告)日：2021-11-16
申请号：CN202110951091.7
申请日：2021-08-18
申请人： 河南工业大学 , 河南新基智慧物联科技有限公司 , 新智创科技有限公司
摘要： 本发明涉及一种基于深度学习改进YOLOv3的目标检测方法，属于目标检测技术领域。方法包括：获取待检测的图像数据，并将其输入训练好的改进的YOLOv3检测模型中，得到检测结果；检测模型的主干网络包括第一特征提取层、第二特征提取层、第三特征提取层、以及第四特征提取层：第一特征提取层包括第一卷积模块、第二卷积模块、第一残差模块、第三卷积模块、第二残差模块以及第四卷积模块；第二特征提取层包括第三残差模块和第五卷积模块；第三特征提取层包括第四残差模块和第六卷积模块；第四特征提取层包括第五残差模块。该主干网路将图像的输入大小增大为640*640，增大了图片大小进而可以使得图像中包含有更多的小目标信息，提高了检测的精度。
-
公开(公告)号：CN115100293A
公开(公告)日：2022-09-23
申请号：CN202210730755.1
申请日：2022-06-24
申请人： 河南工业大学
摘要： 本发明属于数据信号处理技术领域，具体涉及一种ADS‑B信号补盲方法，包括以下步骤：获取机场场面中包括有目标物的监控视频图像，所述监控视频图像通过机场场面监控设备拍摄获得；依据目标物在监控视频图像的图像坐标系中的像素坐标，结合监控设备俯角，求取目标物在相机俯视坐标系中的坐标；以监控设备光心为原点建立直角坐标系，依据目标物在所述相机俯视坐标系中的坐标，求取目标物在直角坐标系中的坐标；依据目标物在所述直角坐标系中的坐标，结合直角坐标系和地理坐标系之间的坐标转换关系，求取目标物在地理坐标系中的坐标，从而完成对ADS‑B信号的补盲。由此，本发明解决了现有技术中信号补盲效率低、精确度低和误差率高的问题。
-
公开(公告)号：CN113688822A
公开(公告)日：2021-11-23
申请号：CN202111045854.8
申请日：2021-09-07
申请人： 河南工业大学
摘要： 本发明涉及一种时序注意力机制场景图像识别方法，属于图像处理技术领域。本发明在现有Transformer模型的基础上进行改进，在解码器部分使用两步注意力解码机制，通过第一注意力机制得到注意力特征图，第二注意力机制关注特征序列内部的时序关系，经过多个时间步解码出图像中的字符串。通过两步注意力机制能够对过度曝光、伪影、模糊、字符显示不全等图片中字符串进行准确的识别，拥有较好的鲁棒性和泛化能力。此外，本发明还引入了CTC算法辅助训练，以避免由于字符失真等因素，使得对输入图像特征分区域识别时，相邻的区域可能被识别为同一个字符的问题，进一步提高识别的准确性。
-
公开(公告)号：CN111650641A
公开(公告)日：2020-09-11
申请号：CN202010506357.2
申请日：2020-06-05
申请人： 河南工业大学
IPC分类号： G01V1/30
摘要： 本发明提供一种地壳三维结构模型融合方法及装置，属于地球物理领域。该方法包括：在参与融合的多个地壳三维结构模型的重合区域上统一各模型的结构；在深度方向上将重合区域分成多个地层，使每个地层上结构统一后的各模型的物性参数均呈线性关系；结合协同克里金方法，以及每个地层上各模型内部的自协方差函数、各模型间的互协方差函数和各模型的权重比，得到相应地层的融合矩阵；求解每个地层的融合矩阵得到相应地层上结构统一后的各模型对应的最优加权系数矩阵；结合最优加权系数矩阵计算每个地层上所有点融合后的物性参数，得到重合区域上所有点融合后的物性参数，完成模型融合。本发明能消除各模型之间的结构差异和保留各模型原有的地质特征。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.024 秒)
