-
公开(公告)号：CN114842330A
公开(公告)日：2022-08-02
申请号：CN202210318162.4
申请日：2022-03-29
Applicant: 深圳市规划和自然资源数据管理中心 , 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明公开一种多尺度背景感知池化弱监督建筑物提取方法，方法利用边界框标签，通过背景感知池化方法使得分类网络能更好地实现从建筑物边界框内的背景中分离出建筑物区域，从而生成定位更为精确的建筑物类激活图。利用高分辨率遥感影像多级别特征图的有效信息，生成多尺度的建筑物类激活图。对融合平均后的类激活图进行变异系数平滑操作，生成更为完整且精确的建筑物类激活图；根据背景注意力图和优化后的类激活图，采用条件随机场算法，生成建筑物伪标签。将伪标签与遥感影像相结合共同训练分割模型，从而实现基于边界框标签的高分辨率遥感影像建筑物自动提取。本发明有益效果是：提高了建筑物提取精度。
-
公开(公告)号：CN114842330B
公开(公告)日：2023-08-18
申请号：CN202210318162.4
申请日：2022-03-29
Applicant: 深圳市规划和自然资源数据管理中心 , 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N7/01
Abstract: 本发明公开一种多尺度背景感知池化弱监督建筑物提取方法，方法利用边界框标签，通过背景感知池化方法使得分类网络能更好地实现从建筑物边界框内的背景中分离出建筑物区域，从而生成定位更为精确的建筑物类激活图。利用高分辨率遥感影像多级别特征图的有效信息，生成多尺度的建筑物类激活图。对融合平均后的类激活图进行变异系数平滑操作，生成更为完整且精确的建筑物类激活图；根据背景注意力图和优化后的类激活图，采用条件随机场算法，生成建筑物伪标签。将伪标签与遥感影像相结合共同训练分割模型，从而实现基于边界框标签的高分辨率遥感影像建筑物自动提取。本发明有益效果是：提高了建筑物提取精度。
-
Patent Agency Ranking
公开(公告)号：CN116956131A
公开(公告)日：2023-10-27
申请号：CN202310913646.8
申请日：2023-07-24
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于多模态信息的土地利用分类方法及系统，方法包括以下步骤：获取研究区土地地块的SVI数据、OSM数据和POI数据并进行预处理；将处理后的SVI数据输入训练好的卷积神经网络，获得视觉模态输入地块节点嵌入表示向量；将处理后的POI数据输入预训练的自然语言模型网络，获得文本模态输入地块节点嵌入表示向量；利用训练好的多模态图卷积神经网络进行迭代计算，经过多模态组合层对多模态特征向量进行融合后，获得输出地块节点嵌入表示向量；将输出地块节点嵌入表示向量输入训练好的土地利用分类器进行分类，获得地块的土地利用分类结果。本发明使得土地利用分类的精度得到了有效的提升。
-
公开(公告)号：CN113469226A
公开(公告)日：2021-10-01
申请号：CN202110668680.4
申请日：2021-06-16
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及土地分类领域，提供一种基于街景图像的土地利用分类方法及系统，包括：获得处理后的街景图像数据和处理后的土地地块数据；将处理后的街景图像数据输入训练好的卷积神经网络，获取街景特征向量，通过街景特征向量计算获得输入地块节点嵌入表示向量；将街景特征向量和输入地块节点嵌入表示向量输入训练好的图卷积神经网络，获得输出地块节点嵌入表示向量；将输出地块节点嵌入表示向量输入训练好的土地利用分类器进行分类，获得地块的土地利用分类结果。本发明通过图神经卷积网络进行空间上下文信息交互克服了现有技术中存在的空间信息利用低效等问题。同时，本发明可以用于精确识别城市土地利用类别，为城市的科学发展制定合理的规划。
-
公开(公告)号：CN113469226B
公开(公告)日：2022-09-30
申请号：CN202110668680.4
申请日：2021-06-16
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及土地分类领域，提供一种基于街景图像的土地利用分类方法及系统，包括：获得处理后的街景图像数据和处理后的土地地块数据；将处理后的街景图像数据输入训练好的卷积神经网络，获取街景特征向量，通过街景特征向量计算获得输入地块节点嵌入表示向量；将街景特征向量和输入地块节点嵌入表示向量输入训练好的图卷积神经网络，获得输出地块节点嵌入表示向量；将输出地块节点嵌入表示向量输入训练好的土地利用分类器进行分类，获得地块的土地利用分类结果。本发明通过图神经卷积网络进行空间上下文信息交互克服了现有技术中存在的空间信息利用低效等问题。同时，本发明可以用于精确识别城市土地利用类别，为城市的科学发展制定合理的规划。
-
公开(公告)号：CN115861797A
公开(公告)日：2023-03-28
申请号：CN202211433042.5
申请日：2022-11-16
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种多模态图像融合的城市社会经济地位预测方法，方法以下步骤：利用研究区内地面图像和遥感影像两种不同模态的图像数据有效融合进行社会经济地位的区域级预测。首先通过特征提取网络从稀疏地面图像中提取的地面特征构建地面特征栅格层，然后，利用区域范围对地面特征栅格层进行聚合扩展生成带有区域属性的区域地面特征图，利用改进的深度语义分割网络融合区域地面特征图和遥感图像，从而实现预测区域的社会经济地位水平。本发明有益效果是：提高了区域社会经济地位预测精度，本方法为基于图像的智能应用融合图像数据和空间矢量数据提供了有益的探索，也可以扩展到一系列的社会经济应用。
-
公开(公告)号：CN113436204A
公开(公告)日：2021-09-24
申请号：CN202110651041.7
申请日：2021-06-10
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种高分辨率遥感影像弱监督建筑物提取方法，包括：基于迭代对抗上升策略的类激活图迭代优化，类激活图像素间关系挖掘，类边界检测，建筑物伪标签生成、语义分割网络训练和建筑物区域提取。本发明使用迭代对抗上升策略，相比于现有的图像级别的弱监督语义分割方法能够生成更优的建筑物类激活图，并在不引入额外监督信息的情况下实现对类激活图信息的充分挖掘，获得像素间类等价关系。此外，本发明使用门控卷积层进一步提升网络对边界处理的分割性能，使得物体区域能够在边界内进行有效扩充和覆盖，生成高质量的建筑物伪标签，从而让语义分割模型产生准确率高，分割边界完整的建筑物区域。
-
-
-
-
-
-
Search Results
7
records
(took 0.034 seconds)
