-
公开(公告)号：CN117876869A
公开(公告)日：2024-04-12
申请号：CN202410043569.X
申请日：2024-01-11
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 一种基于HRNet和多尺度特征注意力的遥感影像道路提取方法、系统、设备及介质，方法包括以下步骤：构建遥感影像道路数据集，并划分为训练集、验证集和测试集；构建基于HRNet和多尺度特征注意力的遥感影像道路提取网络；设置网络参数；使用训练集对构建的遥感影像道路提取网络进行训练，每轮训练结束后输出训练权重文件；验证集对训练权重文件进行验证，选精度最高的训练权重文件作为最优权重文件；将测试集和最优权重文件输入训练好的基于HRNet和多尺度特征注意力的遥感影像道路提取网络进行目标识别，得到遥感影像道路提取结果；系统、设备及介质用于实现该方法；本发明提高了提取遥感影像道路信息的精度和鲁棒性，具有适应性强、道路提取精度高的优点。
-
公开(公告)号：CN116342657A
公开(公告)日：2023-06-27
申请号：CN202310321705.2
申请日：2023-03-29
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06N3/049 , G06N3/0442 , G06N3/084 , G06N3/0455 , G06T3/40
Abstract: 一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法、系统、设备及介质，方法为：对船舶AIS历史轨迹数据进行预处理；构建基于TCN和双向GRU循环神经网络的轨迹预测模型；构建损失函数MSE；设置网络训练参数；训练网络模型；轨迹递归预测；系统、设备及介质用于实现一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法；本发明利用异常数据过滤、数据压缩和三次样条插值技术对船舶AIS历史轨迹数据进行处理，在基于TCN网络构建的编码器中，利用TCN的短期特征提取能力对输入的船舶AIS历史轨迹数据进行编码，并利用基于GRU网络的解码器对船舶AIS历史轨迹数据进行长期时序特征提取，预测误差较少，满足实时性预测的要求，能够应用于进出港口的船舶轨迹的实时监控。
-
公开(公告)号：CN117765361B
公开(公告)日：2024-06-11
申请号：CN202311808119.7
申请日：2023-12-26
IPC: G06V10/80 , G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于残差神经网络检测双时相遥感影像中建筑物变化区域的方法，包括以下步骤：构建遥感影像建筑物变化的输入子网络；构建遥感影像建筑物变化的特征提取子网络；构建遥感影像建筑物变化的特征融合子网络；构建遥感影像建筑物变化的预测子网络；构建遥感影像建筑物变化检测网络；生成训练集、验证集和测试集；训练遥感影像建筑物变化检测网络；检测遥感影像建筑物变化范围；本发明通过联合挤压激励和残差卷积，构建挤压激励的残差卷积代替原始卷积，能够选择性地强调变化区域特征,抑制没有变化的建筑物特征，具有特征突出便于变化特征提取的技术效果。
-
公开(公告)号：CN117611877B
公开(公告)日：2024-05-14
申请号：CN202311421577.5
申请日：2023-10-30
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/52 , G06N3/0464
Abstract: 本发明公开了一种基于LS‑YOLO网络的遥感影像滑坡体检测方法，主要解决现有技术计算量大、检测精度低以及存在较多漏检错检的问题。其实现步骤为：1)基于有效通道注意力、平均池化和空间可分离卷积设计多尺度特征提取模块；2)在现有Decoupled Head进行改进，在其回归任务分支中引入上下文增强模块；3)在YOLOv5网络的Neck中引入多尺度特征提取模块，并使用改进后的Decoupled Head替换原网络相应部分，得到改进后的LS‑YOLO网络模型；4)利用模型对遥感影像进行检测获取结果。本发明能够有效提高多尺度滑坡的定位精度、提升检测准确性。可用于光学遥感影像中的滑坡检测。
-
公开(公告)号：CN116306790A
公开(公告)日：2023-06-23
申请号：CN202310055594.5
申请日：2023-01-16
Applicant: 西安电子科技大学
IPC: G06N3/045 , G06N3/0442 , G06N3/0464
Abstract: 一种基于CNN‑GRU和注意力机制的近海船舶轨迹实时预测方法、系统、设备及介质，方法包括：对卫星获取的船舶AIS轨迹数据进行预处理，得到训练集和测试集；构建基于深度学习的轨迹预测网络；构建损失函数MSE；设置网络训练参数；用得到的训练集对构建的轨迹预测网络进行训练，得到训练网络模型；递归预测；系统、设备及介质，用于实现基于CNN‑GRU和注意力机制的近海船舶轨迹实时预测方法；本发明通过使用CNN网络对输入的时序轨迹数据进行特征提取，采用双层GRU网络提取数据的长期特征，并引入注意力机制计算权重，获取关键因素，设置损失函数和训练参数对构建的网络进行训练，进而对轨迹进行递归预测；本发明具有预测精度高、实时性以及适应性强的特点。
-
Patent Agency Ranking
公开(公告)号：CN114565657A
公开(公告)日：2022-05-31
申请号：CN202210206783.3
申请日：2022-03-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于边缘梯度和方向纹理提取遥感影像中河宽的方法，其实现步骤为：对河道范围内的数字高程模型数据进行水文分析，确定河网，划定缓冲区，并对影像进行裁剪，得到缓冲区影像，利用水体指数确定河道在缓冲区影像中的位置，根据灰度梯度的变化确定河道的边界，找出河道中心线上的点，由方向纹理特征确定河道的延伸方向，进一步确定河道的正交方向，再根据河道正交方向计算河道的宽度。本发明能够较好的解决提取遥感影像中河宽的过程中存在山体阴影的干扰的问题，具有普适性强、精度高的优点。
-
公开(公告)号：CN116935226B
公开(公告)日：2024-07-09
申请号：CN202310959573.6
申请日：2023-08-01
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0464
Abstract: 一种基于HRNet的改进型遥感图像道路提取方法、系统、设备及介质，方法包括：对CHN6‑CUG数据集的高分辨率遥感影像数据预处理，得到预处理后的遥感图像数据集；构建基于改进HRNet的道路预测模型；设置网络训练参数；根据网络训练参数，使用遥感图像数据集中的训练集和验证集，对改进HRNet网络进行训练；将测试集输入训练好的模型中进行预测，输出预测得到的道路信息二值图；系统、设备及介质：用于实现上述方法；本发明采用空洞空间金字塔池化、通道注意力机制、深度可分离卷积方法对原HRNet网络改进，使用CHN6‑CUG遥感影像数据集进行模型训练与预测，有效提取高分辨率遥感图像中的道路信息，具有模型适应性强、道路提取精度高及网络轻量化的优点。
-
公开(公告)号：CN116342657B
公开(公告)日：2024-04-26
申请号：CN202310321705.2
申请日：2023-03-29
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06N3/049 , G06N3/0442 , G06N3/084 , G06N3/0455 , G06T3/4007 , G06T3/4046
Abstract: 一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法、系统、设备及介质，方法为：对船舶AIS历史轨迹数据进行预处理；构建基于TCN和双向GRU循环神经网络的轨迹预测模型；构建损失函数MSE；设置网络训练参数；训练网络模型；轨迹递归预测；系统、设备及介质用于实现一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法；本发明利用异常数据过滤、数据压缩和三次样条插值技术对船舶AIS历史轨迹数据进行处理，在基于TCN网络构建的编码器中，利用TCN的短期特征提取能力对输入的船舶AIS历史轨迹数据进行编码，并利用基于GRU网络的解码器对船舶AIS历史轨迹数据进行长期时序特征提取，预测误差较少，满足实时性预测的要求，能够应用于进出港口的船舶轨迹的实时监控。
-
公开(公告)号：CN117765361A
公开(公告)日：2024-03-26
申请号：CN202311808119.7
申请日：2023-12-26
IPC: G06V10/80 , G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种基于残差神经网络检测双时相遥感影像中建筑物变化区域的方法，包括以下步骤：构建遥感影像建筑物变化的输入子网络；构建遥感影像建筑物变化的特征提取子网络；构建遥感影像建筑物变化的特征融合子网络；构建遥感影像建筑物变化的预测子网络；构建遥感影像建筑物变化检测网络；生成训练集、验证集和测试集；训练遥感影像建筑物变化检测网络；检测遥感影像建筑物变化范围；本发明通过联合挤压激励和残差卷积，构建挤压激励的残差卷积代替原始卷积，能够选择性地强调变化区域特征,抑制没有变化的建筑物特征，具有特征突出便于变化特征提取的技术效果。
-
公开(公告)号：CN116935226A
公开(公告)日：2023-10-24
申请号：CN202310959573.6
申请日：2023-08-01
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0464
Abstract: 一种基于HRNet的改进型遥感图像道路提取方法、系统、设备及介质，方法包括：对CHN6‑CUG数据集的高分辨率遥感影像数据预处理，得到预处理后的遥感图像数据集；构建基于改进HRNet的道路预测模型；设置网络训练参数；根据网络训练参数，使用遥感图像数据集中的训练集和验证集，对改进HRNet网络进行训练；将测试集输入训练好的模型中进行预测，输出预测得到的道路信息二值图；系统、设备及介质：用于实现上述方法；本发明采用空洞空间金字塔池化、通道注意力机制、深度可分离卷积方法对原HRNet网络改进，使用CHN6‑CUG遥感影像数据集进行模型训练与预测，有效提取高分辨率遥感图像中的道路信息，具有模型适应性强、道路提取精度高及网络轻量化的优点。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.03 seconds)
