-
公开(公告)号：CN118155075B
公开(公告)日：2024-11-15
申请号：CN202410354602.0
申请日：2024-03-26
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/40 , G06V10/766 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于半监督深度学习的植被遥感图像处理方法及系统，其中方法包括采集植被的原图数据，得到数据集，其中原图数据为遥感图像形式；对数据集进行特征提取，得到相关性特征；对相关性特征进行特征回归操作，得到初始密度分布图；优化初始密度分布图，得到最终密度分布图，完成植被遥感图像的处理。本发明能够有效地提取复杂的植被纹理特征，通过捕捉植被的轮廓信息，提高了密度分布图预测的准确性；同时还通过密度图预测原始输入图像的植被密度分布，进而实现单木的分割和计数，解决了传统方法精准度不高，适应性较差，标注成本高的问题。还可以对参数进行轻量级微调，适应复杂植被生长环境中的任务场景。
-
公开(公告)号：CN118941791A
公开(公告)日：2024-11-12
申请号：CN202410987058.3
申请日：2024-07-23
Applicant: 南京林业大学
IPC: G06V10/26 , G06V20/13 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于视觉结构信息指导的遥感图像语义分割方法，包括如下操作：选取遥感数据集和树木测绘数据集作为实验数据集；基于所述实验数据集，选取视觉基础模型，通过所述视觉基础模型从所述实验数据集的遥感图像中提取视觉结构图像；基于所述视觉结构图像，构建特征共嵌入模块提取所述视觉结构图像中的视觉特征图像；基于所述视觉特征图像，构建结构启发式特征融合模块对所述视觉特征图像进行特征融合和结构预测，得到处理后的实验数据集；构建目标损失函数对所述处理后的实验数据集进行预测。本发明方法通过视觉模型提取结构图像，构建模块提取并融合特征，并对处理后的数据集进行预测，从而可以提高遥感图像分割的准确率和鲁棒性。
-
公开(公告)号：CN117437562A
公开(公告)日：2024-01-23
申请号：CN202311625016.7
申请日：2023-11-30
Applicant: 南京林业大学
IPC: G06V20/17 , G06V20/10 , G06V10/20 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及森林火灾进行早期预防和检测技术领域，具体为一种基于无人机遥感图像的野外烟火快速检测方法，包括无人机采集火灾后的遥感图像；对无人机采集的遥感图像输入到YOLOv5模型的解码器进行数据预处理，获取其中的显著烟火目标的遥感图像。本发明，采取了一种新型的单阶段anchor‑free结构ObjectBox，平等对待不同级别尺度的目标，提升模型识别正确样本的能力；采用视觉注意力机制SimAM，加强关注网络感兴趣区域，提高模型识别小目标的准确率；同时引入新的模块Bot，它可以有效地减少模型的训练参数，提高训练效率，本发明的目标检测模型在无人机遥感场景下野火、烟雾目标，均取得了最佳的检测效果，且具有很强的实时性，可实际部署在无人机森林火灾预警系统。
-
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：CN118941791B
公开(公告)日：2025-02-07
申请号：CN202410987058.3
申请日：2024-07-23
Applicant: 南京林业大学
IPC: G06V10/26 , G06V20/13 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于视觉结构信息指导的遥感图像语义分割方法，包括如下操作：选取遥感数据集和树木测绘数据集作为实验数据集；基于所述实验数据集，选取视觉基础模型，通过所述视觉基础模型从所述实验数据集的遥感图像中提取视觉结构图像；基于所述视觉结构图像，构建特征共嵌入模块提取所述视觉结构图像中的视觉特征图像；基于所述视觉特征图像，构建结构启发式特征融合模块对所述视觉特征图像进行特征融合和结构预测，得到处理后的实验数据集；构建目标损失函数对所述处理后的实验数据集进行预测。本发明方法通过视觉模型提取结构图像，构建模块提取并融合特征，并对处理后的数据集进行预测，从而可以提高遥感图像分割的准确率和鲁棒性。
-
公开(公告)号：CN118155075A
公开(公告)日：2024-06-07
申请号：CN202410354602.0
申请日：2024-03-26
Applicant: 南京林业大学
IPC: G06V20/10 , G06V10/40 , G06V10/766 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于半监督深度学习的植被遥感图像处理方法及系统，其中方法包括采集植被的原图数据，得到数据集，其中原图数据为遥感图像形式；对数据集进行特征提取，得到相关性特征；对相关性特征进行特征回归操作，得到初始密度分布图；优化初始密度分布图，得到最终密度分布图，完成植被遥感图像的处理。本发明能够有效地提取复杂的植被纹理特征，通过捕捉植被的轮廓信息，提高了密度分布图预测的准确性；同时还通过密度图预测原始输入图像的植被密度分布，进而实现单木的分割和计数，解决了传统方法精准度不高，适应性较差，标注成本高的问题。还可以对参数进行轻量级微调，适应复杂植被生长环境中的任务场景。
-
公开(公告)号：CN118115895A
公开(公告)日：2024-05-31
申请号：CN202410004334.X
申请日：2024-01-03
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于自注意力机制的航空林火图像识别方法，包括以下步骤：通过无人机采集林火视频数据，通过数据预处理进而构建样本数据集，并按比例划分为训练集和测试集；选用10层ViT为主干网络构建航空林火图像识别模型，采用交叠滑动窗口方式将训练集中的航空林火图像序列化展开，且嵌入位置信息后作为第1层ViT的输入；通过多头自注意力和多层感知器机制批量嵌入第10层ViT来提取前9层ViT的区域选择模块；采用对比特征学习策略，构建目标损失函数对所述航空林火图像识别模型进行训练和优化，通过测试集评估模型性能。本发明具有较好泛化能力和鲁棒性，对提高火情、火险应对处置能力和效率及预防森林火灾发生具有重要意义。
-
公开(公告)号：CN113705337A
公开(公告)日：2021-11-26
申请号：CN202110799165.X
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: 本发明公开了一种基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，属于模式识别技术领域，包括以下步骤：S1、通过无人机在林区实时采集数据来获取无人机航测数据，对获取的视频进行联合平差处理，对视频进行单元拆分识别得到视频中的人物、烟雾、火焰图像，并对其特征进行识别、提取和标注；S2、将采集到的实时图像进行多视图处理，提取图像的HSV颜色特征作为图像的第一视图，然后通过LBP算法提取图像的纹理特征作为图像的第二视图；S3、将数据带入多视图识别方法进行识别，该基于独立共享空间距离度量学习的无人机多视图火人烟识别方法，容易实现，并且易于优化，很好地解决了描述的目标可能存在视图缺失导致无法保证共享特征模式的有效表达的问题。
-
公开(公告)号：CN113705336A
公开(公告)日：2021-11-26
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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.023 seconds)
