-
Patent Agency Ranking
公开(公告)号：CN114708513A
公开(公告)日：2022-07-05
申请号：CN202210213409.6
申请日：2022-03-04
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: G06V20/13 , G06V10/44 , G06V10/26 , G06V10/20 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/29
Abstract: 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客观性与真实性。
-
公开(公告)号：CN114708513B
公开(公告)日：2023-12-01
申请号：CN202210213409.6
申请日：2022-03-04
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: G06V20/13 , G06V10/44 , G06V10/26 , G06V10/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/09 , G06F16/29
Abstract: 本发明提出了一种顾及角点特征的边缘建筑物提取方法及系统，该方法融合了深度学习特征学习方法和计算机图形学方法，对复杂地物场景下的遥感影像数据进行了端对端的边缘轮廓细化建筑物提取；通过引入边缘锐化模型，改进了深度学习特征学习方法中提取建筑物轮廓模糊不清的情况，以计算机图形学中渲染的思想，使用细分策略高效的计算高分辨率分割图，提高了建筑物边缘的图像分割效果，使其在复杂地物场景下的建筑物边缘提取中有更好的表现。本发明的有益效果为：与现有边缘建筑物提取研究方法相比，本发明显著的提高了建筑物边缘细节特征的处理能力，保证了建筑物边缘数据提取的客
-
公开(公告)号：CN116933631A
公开(公告)日：2023-10-24
申请号：CN202310881432.7
申请日：2023-07-18
Applicant: 核工业南京建设集团有限公司 , 中国地质大学(武汉)
Inventor： 王海涛 , 刘迪 , 顾云 , 蒋楠 , 张继奎 , 李飞 , 孙飞 , 刘勤杰 , 周宇峰 , 何庆军 , 王静 , 薛永利 , 徐静 , 周林珠 , 宋朋 , 杨炎 , 倪国庆
Abstract: 本发明公开了一种基于神经网络优化算法的爆破块度预测方法，通过收集爆破块度及其影响因素的参数数据，利用MIV敏感性分析方法筛选出影响爆破块度较大的参数，建立输入层数据集，避免了参数维度过高和冗余参数的影响，提高了预测精度；基于BP神经网络模型建立预测模型，利用PSO算法自适应的优化BP神经网络模型的权重和偏置，避免了陷入局部最优解和过拟合的问题，提高预测精度；利用输入层数据集训练和测试优化后的神经网络模型，实现爆破块度的智能精确预测，可用于矿山、隧道、道路等领域的爆破作业中的块度预测，提高了作业的安全性和效率。
-
-
-
Search Results
5
records
(took 0.069 seconds)
