-
公开(公告)号：CN118898632A
公开(公告)日：2024-11-05
申请号：CN202410713727.8
申请日：2024-06-04
Applicant: 东北林业大学
IPC: G06T7/13 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06V10/42 , G06V10/44 , G06V10/80
Abstract: 本发明提供一种基于高斯函数的特征增强的高分遥感影像建筑边界矢量提取算法，属于图像处理技术领域，包括遥感图像数据预处理和模型构建。本发明提出了Swap算子来解决建筑边界提取任务中存在的挑战。Swap算子可以有效地捕获图像中的局部和全局特征，同时减少模型的参数数量和计算复杂度，从而提高建筑边界提取任务的效率和准确性。Swap作为一个可插入式的模块，可以有效地结合CNN、GNN和Transformer等模型的优势，克服它们在建筑边界提取任务中存在的局限性，从而实现更好的建筑边界提取的效果。
-
公开(公告)号：CN114202690B
公开(公告)日：2024-04-12
申请号：CN202111498048.6
申请日：2021-12-09
Applicant: 东北林业大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F8/30
Abstract: 本发明公开了以混合多层感知器为基础的多尺度网络分析方法，包括：MSC块和UMLP块；本发明实现了高效率的高光谱分类方法超过了以往的方法、其模型大小仅为0.185M，能很好的适用于工业的需求、能很好的将此方法应用于高光谱领域，监控森林变迁和对森林灾情如火灾等进行及时的预警作用。
-
公开(公告)号：CN115186201A
公开(公告)日：2022-10-14
申请号：CN202210789862.1
申请日：2022-07-05
Applicant: 东北林业大学
IPC: G06F16/9537 , G06F16/9535 , G06F16/901 , G06F16/29
Abstract: 本发明公开了一种地理信息知识图谱推荐系统及其推荐方法，包括：在输入层中需要获得两种知识图谱：当前用户兴趣交互项目知识图谱和当前用户交互项目所处环境的地理知识图谱。为了从两个知识图谱中学习不同的信息，使用独热编码将两个知识图谱中的信息映射到两个不同的空间。图卷积模块学习得到两个数据的高维特征，在反事实学习模块中融合两个数据库的信息，实现了数据推荐工作。本发明的优点是：可以充分融合并利用地理知识图谱和用户‑项目知识图谱的有效知识，有效改善用户体验和服务质量。
-
公开(公告)号：CN113033448A
公开(公告)日：2021-06-25
申请号：CN202110360889.4
申请日：2021-04-02
Applicant: 东北林业大学
Abstract: 本发明提出一种基于多尺度卷积和注意力的遥感影像去云残差神经网络系统、方法、设备及存储介质，属于遥感影像处理领域，为解决传统算法鲁棒性差、恢复效果不符合遥感影像视觉特征的问题。所述深度神经网络方法在高分辨率遥感影像去云任务的速度与复原效果上达到了平衡；使用卷积核大小变化范围更大的多尺度上下文卷积减小模型所需的内存和算法的处理时间；并且在多尺度卷积前以剩余连接的方式拼接了带有通道注意力模块的细粒度卷积增加网络的特征提取能力；本发明更真实、更符合实际场景的专用于高分辨率遥感影像去云任务的数据集，无论哪种网络模型，在该数据集上训练得到的网络权重都具有更高的适应性和更强的鲁棒性。
-
公开(公告)号：CN112861705B
公开(公告)日：2022-07-05
申请号：CN202110158298.9
申请日：2021-02-04
Applicant: 东北林业大学
Abstract: 本发明涉及一种基于混合学习的跨域行人重识别方法。包括如下步骤：1：设计基于生成对抗网络的风格迁移模型，利用标记的源域数据对风格迁移模型进行训练；2：设计基于特征提取网络的行人重识别模型，特征提取网络之后连接了两个分别用于监督学习和无监督学习的模块；3：设计动态权重函数动态的调整两种学习方式的权重，从而动态的对特征提取网络进行训练，最终完成跨域行人重识别任务。本发明设计了监督学习和无监督学习两种模块、结合了源域和目标域的数据对行人重识别模型进行训练。本发明还设计了动态权重函数动态地结合两种学习方式。
-
Patent Agency Ranking
公开(公告)号：CN114581721B
公开(公告)日：2025-04-25
申请号：CN202210255660.9
申请日：2022-03-15
Applicant: 东北林业大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了基于二值神经网络的多光谱图像轻量化分类方法，包括以下步骤：步骤S1：对MobileNetV1进行修改，将原网络中3*3的深度卷积和1*1的逐点卷积分别用1‑bit 3*3和1‑bit 1*1的卷积进行替换；步骤S2：激活和权重会通过sign函数进行二值量化；步骤S3：提出在这些实数值被二值化之前添加一个shortcut来传递这些实数值，保留信息，提高网络的表达能力；步骤S4：由于二值神经网络对激活分布较为敏感，我们提出利用RPReLU函数来移动激活分布；解决了传统多光谱分类模型分类精度较低结果误差较大，现有的基于深度学习的多光谱分类模型因其巨大的运算量以及数据存储需求，不能满足工业的实时性要求的问题。
-
公开(公告)号：CN117437547A
公开(公告)日：2024-01-23
申请号：CN202311610550.0
申请日：2023-11-28
Applicant: 东北林业大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种空间数据融合的遥感图像云检测方法，建立GS‑CDNet模型，包括：交错自注意力机制模块、双向多尺度特征融合模块、解码器和云边界提取模块。设计多级监督的双层损失函数，加载模型并进行图像预测，对预测结果进行展示。本发明的优点是：提高了检测精度，降低了遥感数据的局限性，提高云检测的准确性和鲁棒性，提高遥感数据的价值和利用效果。
-
公开(公告)号：CN114581721A
公开(公告)日：2022-06-03
申请号：CN202210255660.9
申请日：2022-03-15
Applicant: 东北林业大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于二值神经网络的多光谱图像轻量化分类方法，包括以下步骤：步骤S1：对MobileNetV1进行修改，将原网络中3*3的深度卷积和1*1的逐点卷积分别用1‑bit 3*3和1‑bit 1*1的卷积进行替换；步骤S2：激活和权重会通过sign函数进行二值量化；步骤S3：提出在这些实数值被二值化之前添加一个shortcut来传递这些实数值，保留信息，提高网络的表达能力；步骤S4：由于二值神经网络对激活分布较为敏感，我们提出利用RPReLU函数来移动激活分布；解决了传统多光谱分类模型分类精度较低结果误差较大，现有的基于深度学习的多光谱分类模型因其巨大的运算量以及数据存储需求，不能满足工业的实时性要求的问题。
-
-
公开(公告)号：CN112925789A
公开(公告)日：2021-06-08
申请号：CN202110208391.6
申请日：2021-02-24
Applicant: 东北林业大学
IPC: G06F16/22 , G06F16/2457 , G06F16/2458 , G06F16/25 , G06F16/29
Abstract: 本发明提出一种基于Spark的空间矢量数据内存存储查询方法及系统，所述方法及系统为海量空间矢量数据在Spark内存中的存储结构和空间查询操作提供了新的解决方案，针对数据空间分布不均衡以及跨分区存储的现象，提出了一种带有buffer分区的非均匀网格分区方法。在每个分区中引入四叉网格树的结构进行数据的局部索引，通过合理剪枝，其有效提高每个分区的本地查询效率。基于本发明提出的空间数据内存结构，可以将Spark扩展为支持KNN和范围查询的分布式系统。通过对存储和查询过程进行封装，该执行过程对用户透明，用户可以通过传递参数直接调用对应的算子。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.023 seconds)
