-
公开(公告)号：CN118941821B
公开(公告)日：2025-01-28
申请号：CN202410986756.1
申请日：2024-07-23
Applicant: 南京林业大学
IPC: G06V10/74 , G06V10/80 , G06V20/10 , G06V20/17 , G06V10/77 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于少样本学习的穗类作物统一计数方法，本发明涉及六个不同的作物数据集，这些作物数据集通过地面相机和无人机捕获，视觉编码器用于增强特征嵌入，基础模型用于减轻复杂背景的影响，多尺度特征交互模块用于集成相似度度量，促进不同尺度的作物特征自动学习，增强对各种尺寸和形状的作物穗的描述能力，该模型采用两阶段训练程序，初始阶段侧重于潜在特征挖掘，以捕捉谷物的通用特征，并且随后的阶段无需额外训练即可进行推理，进而从选定的样本中提取目标作物的领域特征，以实现计数操作。本发明通过少样本学习计数多种谷物穗，可以有效降低标注成本，并提高谷物产量估算的准确性，确保粮食安全。
-
公开(公告)号：CN118487711A
公开(公告)日：2024-08-13
申请号：CN202410589379.8
申请日：2024-05-13
Applicant: 南京林业大学
IPC: H04L1/00
Abstract: 本发明公开了一种基于全卷积的信道反馈深度学习自编码器模型，包括以下步骤：构建FullCovCsiNet模型，包含编码器，解码器，编码器有卷积层，特征提取模块，卷积压缩模块构成，本发明涉及无线通信领域技术领域。通过引入神经网络并利用全卷积结构，可以显著减少网络参数的数量，从而降低计算复杂度和存储需求，进而减少系统开销，能够有效地提取输入数据中的局部特征，并在保持预测准确度的同时降低网络参数，这种特性使得神经网络在处理具有空间相关性的信道数据时表现优异，能够准确预测信道状态，这意味着即使对于未见过的输入数据，网络也能够进行准确的预测，这对于大规模MIMO系统来说非常重要。
-
公开(公告)号：CN115937703B
公开(公告)日：2024-05-03
申请号：CN202211523308.5
申请日：2022-11-30
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于遥感图像目标检测的增强特征提取方法，涉及图像识别领域，包括以下步骤：S1、获取图片，标注数据，配置YOLOV4网络运行环境；S2、改进网络，添加新模型，划分识别区域，配置权重并选择合适的样本进入网络训练；S3、改进网络中特征识别部分，替换特征检测模块，引入新的注意力模块；S4、改进损失函数；S5、消融实验检验改进点，控制变量法检验改进网络的有效性。本发明通过改进识别网络和检测模块，引入新注意力模块和改进损失函数，解决了小目标检测精度低问题，提高了对遥感图像中小目标的检测效果，使得检测更加准确。
-
公开(公告)号：CN114078218B
公开(公告)日：2024-03-29
申请号：CN202111406318.6
申请日：2021-11-24
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
IPC: G06V20/17 , G06V20/40 , G06V10/774 , G06V10/80
Abstract: 本发明公开一种自适应融合的森林烟火识别数据增广方法，包括以下步骤：森林烟火数据采集，数据集构建，数据集分析和融合数据增广；本发明在加权叠加基础上考虑样本分布不均衡问题，根据类别偏重随机提取标注框，同时结合马赛克数据增广的背景复用特点，设计IOA阈值过滤，满足条件的提取标注框与马赛克样本做线性特征融合，在保证不损失马赛克样本信息基础上拓展目标信息密度，从而提升原始样本信息利用率，解决了原始样本中目标过于集中图片中心问题，实现数据量的扩充，可以有效的缓解样本分布不均衡问题，均匀样本标注框出现的位置，提升原始样本信息利用率，极大的增加了森林烟火数据样本的规模，提高了森林烟火识别的精确度。
-
公开(公告)号：CN113705336B
公开(公告)日：2024-03-19
申请号：CN202110799162.6
申请日：2021-07-15
Applicant: 南京林业大学 , 中国林业科学研究院资源信息研究所
Abstract: 本发明公开了一种灵活切割烟雾鲁棒特征提取方法，包括以下步骤：S1、制定动机和模型，利用切L2,p范数代替主成分分析中平方L2范数作为距离度量，并定义模型；S2、标出高峰区域和非高峰区域；S3、在数据集上可视化PCA和PCA‑L2,p的投影方向；当p为一个小值时，PCA‑L2,p的投影方向明显偏离于PCA的投影方向；相反，当p为一个较大值时，PCA‑L2,p能够学习到一个更好的投影。在数据集中插入野值，使在移除野值对主成分分析模型的影响后，L2,p‑范数距离度量能通过选择一个p值来获得更稳健的投影，并将p定义为一个大的值，准确率高,利用所提范数的切割特性，即使p值很大，噪声的影响也不会被放大。
-
Patent Agency Ranking
公开(公告)号：CN115937703A
公开(公告)日：2023-04-07
申请号：CN202211523308.5
申请日：2022-11-30
Applicant: 南京林业大学
Abstract: 本发明公开了一种用于遥感图像目标检测的增强特征提取方法，涉及图像识别领域，包括以下步骤：S1、获取图片，标注数据，配置YOLOV4网络运行环境；S2、改进网络，添加新模型，划分识别区域，配置权重并选择合适的样本进入网络训练；S3、改进网络中特征识别部分，替换特征检测模块，引入新的注意力模块；S4、改进损失函数；S5、消融实验检验改进点，控制变量法检验改进网络的有效性。本发明通过改进识别网络和检测模块，引入新注意力模块和改进损失函数，解决了小目标检测精度低问题，提高了对遥感图像中小目标的检测效果，使得检测更加准确。
-
公开(公告)号：CN114492726A
公开(公告)日：2022-05-13
申请号：CN202111478086.5
申请日：2021-12-06
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于遥感数据的森林可燃物含水率反演算法，属于深度学习领域。本发明采用MLP模型，建立了一种遥感光谱反射率与森林冠层植被和地表枯落物含水率之间的联系算法，通过对遥感数据进行预处理，使用其光谱反射率反演出冠层植被和地表枯落物的含水率，并且最终建立的模型拟合度能够达到0.8左右。算法同时也提出了一种光学遥感在冠层到地表间穿透性较差的优化方案，也为遥感估测法大尺度的测定地区冠层以及地表枯落物含水率提供了理论基础。
-
公开(公告)号：CN113344070A
公开(公告)日：2021-09-03
申请号：CN202110609315.6
申请日：2021-06-01
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于多头自注意力模块的遥感图像分类系统及方法，分类模型的框架网络主干采用的是RestNet50卷积神经网络，分类模型将RestNet50卷积神经网络最后三个瓶颈层模块替换为多头自注意力模块；模型包括：缩放点积注意力模块，用于将输入分类模型的检测图像参数进行运缩放点积注意力处理；多头自注意力模块，用于感知检测图像中可识别度最高的区域；第一归一化及残差连接模块、第二归一化及残差连接模块，用于保持检测图像参数在输入分类模型后与输入分类模型前维度上的一致，降低在分类模型网络中发生梯度消失的可能；全连接模块，用于对检测图像进行特征提取。
-
公开(公告)号：CN113128593A
公开(公告)日：2021-07-16
申请号：CN202110425490.X
申请日：2021-04-20
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于双线性卷积神经网络的植物细粒度识别方法，该识别方法包括以下步骤：S1、利用Relu激活函数进行粗粒度的特征提取，得到粗粒度特征X1；S2、获取双线性模型的整体表示；S3、在步骤S2中，将双线性模型中A、B两个特征提取函数提取的特征进行双线性融合,得到矩阵b；S4、对矩阵b，进行求和池化得到矩阵ξ，并对ξ进行多维矢量展开，得到特征向量x；S5、对特征向量x进行矩归一化和L2归一化得到双线性特征，本发明结构科学合理，使用安全方便，本发明使用双线性模型来有效提取高通量植物表现种间甚至个体间的细微差异，充分发挥了双线性池化对细粒度图像的特征提取优势，达到了较高的植物细粒度识别精度。
-
公开(公告)号：CN111340120B
公开(公告)日：2021-05-07
申请号：CN202010131554.0
申请日：2020-02-28
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于实用鲁棒PCA的图像表示方法，属于模式识别领域。方法包括以下步骤：读取图像数据集，根据像素值建立样本矩阵；将样本矩阵输入预先构建的目标模型，所述目标模型为基于鲁棒重建误差最小化和鲁棒数据差最大化的联合学习模型，其依据转换矩阵W将数据投影到低维子空间，并利用恢复矩阵W来恢复数据，并以L2,p范数作为距离度量；通过基于PCA技术的迭代算法对目标模型进行求解，得到转换矩阵W；根据转换矩阵W完成图像重建。本发明建立了原空间和转换空间特征的联系，且利用L2,p范数距离度量削弱对异常值的敏感性，很好地提高了PCA的鲁棒性。此外本发明设计了新的迭代算法去优化基于L2,p范数的极小化问题，算法具有较好的收敛性。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.029 seconds)
