-
公开(公告)号：CN116740568A
公开(公告)日：2023-09-12
申请号：CN202310699570.3
申请日：2023-06-13
Applicant: 河海大学
IPC: G06V20/10 , G06V10/20 , G06V10/82 , G06V10/764 , G06V10/22 , G06V10/80 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于改进DCN的舰船目标检测方法，包括：选择标注文件包含方向信息的遥感图像数据集作为输入图像，对输入图像进行随机翻转、填充；对输入图像进行预处理，并划分为训练集、验证集、测试集；将训练集输入到改进的DCN模型进行训练；将测试集输入训练好的改进DCN模型，对遥感图像进行检测，得到有向边界框，检测到舰船目标；本发明采用DCN获取点集偏移量，并且使用自适应点分配模块APAM进行正样本的筛选，引入SPP模块实现局部特征与全局特征之间的融合，进一步增强分类和定位的相关性，保证了高质量样本的获取，实现了目标轮廓的高精度捕捉，可以更准确地对遥感图像中的舰船目标进行分类和定位。
-
公开(公告)号：CN117372893B
公开(公告)日：2024-07-19
申请号：CN202310069813.5
申请日：2023-02-03
Applicant: 河海大学
IPC: G06V20/17 , G06V10/46 , G06V10/75 , G06T7/62 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于改进遥感图像特征匹配算法的洪涝灾害评估方法，包括如下步骤：通过无人机采集同一区域不同受灾时间的图像，将洪灾发生之前拍摄的图像确定为模板图像，灾害中期和后期的图像确定为变换图像；根据采集到的两类遥感图像，进行SURF特征点检测；用BRIEF特征描述子对检测出的特征点进行描述，同时判断受自然环境影响下，灾害图像被加入噪声后，描述子对于尺度和光照的鲁棒性；对于模板图像与变换图像，选择改进的SURF算法作特征点匹配；对比重合的特征点数，在遥感图像上自动提取淹没区范围，精确识别洪涝面积变化，根据匹配结果，提取洪涝变化信息，量化洪涝灾害程度。
-
公开(公告)号：CN116772882A
公开(公告)日：2023-09-19
申请号：CN202310699399.6
申请日：2023-06-13
Applicant: 河海大学
Abstract: 本发明公开了一种基于多机协同的道路施工路线动态规划方法，包括：建立施工道路的二维平面图，通过定位传感器获取实时运动轨迹；参数设置；运用栅格法对环境建模，使用预约表对栅格的占用状态和碾压遍数进行记录；规定压路机群使用直线往返碾压和环形循环碾压结合的碾压方式，并使用基于动态加权的A*算法以及二阶Bezier曲线规划压路机群的初始路径；使用避碰规则；实时计算压路机群和摊铺机之间的距离；控制压路机群对所有栅格的碾压遍数，保证所有栅格不欠压，不超压。本发明采用无人驾驶压路机，能够规划出各压路机道路施工的最优路径，且能够保证压路机之间以及压路机与摊铺机之间处于安全距离，使得压路机群高质量高效率的完成施工工作。
-
公开(公告)号：CN116861361B
公开(公告)日：2024-05-03
申请号：CN202310768316.4
申请日：2023-06-27
Applicant: 河海大学
IPC: G06F18/25 , G06F18/2415 , G06F40/289 , G06V10/82 , G06V10/80 , G06V10/52 , G06V10/77 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08 , G06Q10/0635 , G06Q50/08
Abstract: 本发明公开了一种基于图像‑文本多模态融合的大坝形变评估方法，包括：获取到先前图像和当前图像；获取到差分图像；对先前图像与差分图像进行多尺度特征提取与融合，得到原始图像；对原始图像、大坝形变判别文本进行预处理；将预处理后的图像与文本特征输入双流跨模态Transformer模型进行预训练，联合建模模态内和跨模态表示，得到预训练模型；优化调整预训练模型的参数；利用训练好的模型，根据测试集图像以及问题文本数据进行预测，获取到大坝形变评估结果。本发明将大坝场景图知识融入到多模态预训练中，大幅度提升了机器对大坝形变场景的“理解能力”，使得模型能更精准地图像‑文本跨模态间的细粒度特征对齐，从而提高回答大坝形变问题的准确率。
-
公开(公告)号：CN117372942A
公开(公告)日：2024-01-09
申请号：CN202310069796.5
申请日：2023-02-03
Applicant: 河海大学
IPC: G06V20/52 , G06V20/17 , G06V10/774 , G06V10/30 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于改进SegNet模型的水库漂浮物识别方法，其方法为：利用无人机获取水库漂浮物数据集；对获取数据集进行数据预处理操作；对数据集进行标注并将数据集划分为训练集和测试集；训练改进SegNet算法模型，提出了结合最大池化索引和残差连接，更为全面地保留了多尺度图像中包含的大量细节信息最大程度的保留原始图像的色彩、纹理和边界等特征，提升水库漂浮物的识别精度；对水库漂浮物图像进行检测识别；将水库图像识别结果推送给相关责任人和管理人员。本发明的有益效果是：采用改进SegNet算法模型进行水库漂浮物检测识别，训练参数量适中，检测精度好，实现了水库水面漂浮物的自动化高精度检测和识别。
-
Patent Agency Ranking
公开(公告)号：CN117036161A
公开(公告)日：2023-11-10
申请号：CN202310699458.X
申请日：2023-06-13
Applicant: 河海大学
IPC: G06T3/40 , G06T5/00 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于生成式对抗网络的大坝缺陷恢复方法，包括：对数据集进行预处理得到大坝巡检图像数据集；将大坝巡检图像数据集依次输入至构建好的高阶退化模型进行卷积退化处理生成低分辨率的大坝巡检图像对；将生成的低分辨率大坝巡检图像对依次输入到构建好的引入CBAM注意力模块的生成式对抗网络模型中进行模型预训练，得到预训练好的生成式对抗网络模型，并且通过生成式对抗网络模型生成高分辨率图像；进行模型的优化训练，并且通过生成式对抗网络模型输出高分辨率图像，实现对大坝缺陷的恢复。本发明方法采用基于生成式对抗网络的技术，有效解决大坝巡检图像的低分辨率、噪声和模糊等问题，能够及时恢复大坝渗漏、裂缝、沉降等缺陷。
-
公开(公告)号：CN116772882B
公开(公告)日：2024-01-19
申请号：CN202310699399.6
申请日：2023-06-13
Applicant: 河海大学
Abstract: 本发明公开了一种基于多机协同的道路施工路线动态规划方法，包括：建立施工道路的二维平面图，通过定位传感器获取实时运动轨迹；参数设置；运用栅格法对环境建模，使用预约表对栅格的占用状态和碾压遍数进行记录；规定压路机群使用直线往返碾压和环形循环碾压结合的碾压方式，并使用基于动态加权的A*算法以及二阶Bezier曲线规划压路机群的初始路径；使用避碰规则；实时计算压路机群和摊铺机之间的距离；控制压路机群对所有栅格的碾压遍数，保证所有栅格不欠压，不超压。本发明采用无人驾驶压路机，能够规划出各压路机道路施工的最优路径，且能够保证压路机之间以及压路机与摊铺机之间处于安全距离，使得压路机群高质量高效率的完成施工工作。
-
公开(公告)号：CN117372893A
公开(公告)日：2024-01-09
申请号：CN202310069813.5
申请日：2023-02-03
Applicant: 河海大学
IPC: G06V20/17 , G06V10/46 , G06V10/75 , G06T7/62 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于改进遥感图像特征匹配算法的洪涝灾害评估方法，包括如下步骤：通过无人机采集同一区域不同受灾时间的图像，将洪灾发生之前拍摄的图像确定为模板图像，灾害中期和后期的图像确定为变换图像；根据采集到的两类遥感图像，进行SURF特征点检测；用BRIEF特征描述子对检测出的特征点进行描述，同时判断受自然环境影响下，灾害图像被加入噪声后，描述子对于尺度和光照的鲁棒性；对于模板图像与变换图像，选择改进的SURF算法作特征点匹配；对比重合的特征点数，在遥感图像上自动提取淹没区范围，精确识别洪涝面积变化，根据匹配结果，提取洪涝变化信息，量化洪涝灾害程度。
-
公开(公告)号：CN116861361A
公开(公告)日：2023-10-10
申请号：CN202310768316.4
申请日：2023-06-27
Applicant: 河海大学
IPC: G06F18/25 , G06F18/2415 , G06F40/289 , G06V10/82 , G06V10/80 , G06V10/52 , G06V10/77 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08 , G06Q10/0635 , G06Q50/08
Abstract: 本发明公开了一种基于图像‑文本多模态融合的大坝形变评估方法，包括：获取到先前图像和当前图像；获取到差分图像；对先前图像与差分图像进行多尺度特征提取与融合，得到原始图像；对原始图像、大坝形变判别文本进行预处理；将预处理后的图像与文本特征输入双流跨模态Transformer模型进行预训练，联合建模模态内和跨模态表示，得到预训练模型；优化调整预训练模型的参数；利用训练好的模型，根据测试集图像以及问题文本数据进行预测，获取到大坝形变评估结果。本发明将大坝场景图知识融入到多模态预训练中，大幅度提升了机器对大坝形变场景的“理解能力”，使得模型能更精准地图像‑文本跨模态间的细粒度特征对齐，从而提高回答大坝形变问题的准确率。
-
公开(公告)号：CN116862252B
公开(公告)日：2024-04-26
申请号：CN202310699688.6
申请日：2023-06-13
Applicant: 河海大学
IPC: G06Q10/0637 , G06Q50/08 , G06V20/10 , G06V10/40 , G06V10/82 , G06V10/26 , G06V10/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于复合卷积算子的城市建筑物损失应急评估方法，包括：获取覆盖灾害区域的遥感图像数据，对数据进行预处理；使用基于复合卷积算子的全卷积神经网络FCN从遥感图像中提取特征；将特征表示输入到一个变化检测模型中，该模型为二分类模型，用于检测出两幅遥感图像之间存在的变化；对变化区域进行后处理和分割，对变化预测值进行修正并且将变化区域从背景中分离出来；对变化区域进行分析，将结果可视化展示，在地图上标注出变化区域及其面积，以便决策者和应急响应团队进行更好的决策和响应。本发明解决了传统遥感变化检测图像解译速度慢，难以满足灾害应急处理等问题，实现了遥感变化检测技术在灾害应急处理上的应用。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
