-
公开(公告)号：CN113780439B
公开(公告)日：2023-09-22
申请号：CN202111081849.2
申请日：2021-09-15
Applicant: 国家气象中心 , 北京邮电大学 , 宁波市气象服务中心 , 广西壮族自治区气候中心
IPC: G06F18/213 , G06F18/214 , G06F18/241 , G06N3/02 , G06F16/29
Abstract: 本发明公开了一种基于无监督域适应的不同类型气象卫星的多云识别系统，采用无监督域适应方法，解决跨卫星、探测通道差异等难点，并基于学习两个领域的数据分布，提取域不变特征，在高层语义特征空间中减小域差异，进而在无标注的目标域卫星上实现多云种识别，实现多种不同云类别的平均类别精度。本发明将无监督域适应应用在卫星遥感领域，在某类卫星无标注的情况下对其进行云分类，实现了遥感气象领域与深度学习的结合。采用本发明的系统，可以减少气象专业人员对于新卫星的数据标注工作，摆脱气象对于数值计算监测方式的依赖，推动新卫星在上天后可以快速的应用落地和实现产品反馈，且为更多不同系列的卫星应用奠定基础。
-
公开(公告)号：CN112287838B
公开(公告)日：2022-09-27
申请号：CN202011184064.3
申请日：2020-10-29
IPC: G06V10/764 , G06V10/56 , G06V10/44 , G06V20/13
Abstract: 本发明涉及一种基于静止气象卫星影像序列的云雾自动判识方法及系统，获取时间连续的静止气象卫星影像源数据；将静止气象卫星影像源数据按照时间顺序进行排列，得到时序影像数据，以及利用基于颜色的图片分割法提取静止气象卫星影像源数据中每一幅图片的云区和雾区，得到初始掩膜；利用Farneback光流法生成时序影像数据的光流图；根据光流图和初始掩膜计算每一个云区和雾区的像素点的平均光流，并确定云雾分类阈值；根据云雾分类阈值对静止气象卫星影像源数据的每个连通域进行云雾分类，得到云雾自动判识结果。本发明引入了云和雾随时间变化的不同运动属性，能够取得更准确的判识结果，有效提高云雾判识的准确率，同时具有较高的普适性。
-
公开(公告)号：CN112183452B
公开(公告)日：2023-03-24
申请号：CN202011104887.0
申请日：2020-10-15
IPC: G06V20/13 , G06V10/94 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于气象卫星图像和深度迁移学习的海雾识别方法，包括：制作陆地雾数据集和海雾数据集；使用陆地雾数据集对语义分割网络进行训练，得到陆地雾识别模型；保留陆地雾识别模型中的低层级权重参数不变，使用海雾数据集训练陆地雾识别模型中的高层级权重参数，得到基于深度迁移学习的海雾识别模型；将待识别气象卫星可见光真彩图像输入海雾识别模型，海雾识别模型最后经由sigmoid层输出海雾识别二值结果图，并将海雾识别二值结果图以海雾区域覆盖掩模的形式叠加在待识别气象卫星可见光真彩图像上。本发明基于气象卫星图像和深度迁移学习方法训练获得更具泛化能力的海雾识别模型，具有泛化性好、识别精度高以及自动化程度较高等优点。
-
公开(公告)号：CN112183452A
公开(公告)日：2021-01-05
申请号：CN202011104887.0
申请日：2020-10-15
Abstract: 本发明涉及一种基于气象卫星图像和深度迁移学习的海雾识别方法，包括：制作陆地雾数据集和海雾数据集；使用陆地雾数据集对语义分割网络进行训练，得到陆地雾识别模型；保留陆地雾识别模型中的低层级权重参数不变，使用海雾数据集训练陆地雾识别模型中的高层级权重参数，得到基于深度迁移学习的海雾识别模型；将待识别气象卫星可见光真彩图像输入海雾识别模型，海雾识别模型最后经由sigmoid层输出海雾识别二值结果图，并将海雾识别二值结果图以海雾区域覆盖掩模的形式叠加在待识别气象卫星可见光真彩图像上。本发明基于气象卫星图像和深度迁移学习方法训练获得更具泛化能力的海雾识别模型，具有泛化性好、识别精度高以及自动化程度较高等优点。
-
公开(公告)号：CN112287838A
公开(公告)日：2021-01-29
申请号：CN202011184064.3
申请日：2020-10-29
Abstract: 本发明涉及一种基于静止气象卫星影像序列的云雾自动判识方法及系统，获取时间连续的静止气象卫星影像源数据；将静止气象卫星影像源数据按照时间顺序进行排列，得到时序影像数据，以及利用基于颜色的图片分割法提取静止气象卫星影像源数据中每一幅图片的云区和雾区，得到初始掩膜；利用Farneback光流法生成时序影像数据的光流图；根据光流图和初始掩膜计算每一个云区和雾区的像素点的平均光流，并确定云雾分类阈值；根据云雾分类阈值对静止气象卫星影像源数据的每个连通域进行云雾分类，得到云雾自动判识结果。本发明引入了云和雾随时间变化的不同运动属性，能够取得更准确的判识结果，有效提高云雾判识的准确率，同时具有较高的普适性。
-
Patent Agency Ranking
公开(公告)号：CN113780439A
公开(公告)日：2021-12-10
申请号：CN202111081849.2
申请日：2021-09-15
Applicant: 国家气象中心 , 北京邮电大学 , 宁波市气象服务中心 , 广西壮族自治区气候中心
Abstract: 本发明公开了一种基于无监督域适应的不同类型气象卫星的多云识别系统，采用无监督域适应方法，解决跨卫星、探测通道差异等难点，并基于学习两个领域的数据分布，提取域不变特征，在高层语义特征空间中减小域差异，进而在无标注的目标域卫星上实现多云种识别，实现多种不同云类别的平均类别精度。本发明将无监督域适应应用在卫星遥感领域，在某类卫星无标注的情况下对其进行云分类，实现了遥感气象领域与深度学习的结合。采用本发明的系统，可以减少气象专业人员对于新卫星的数据标注工作，摆脱气象对于数值计算监测方式的依赖，推动新卫星在上天后可以快速的应用落地和实现产品反馈，且为更多不同系列的卫星应用奠定基础。
-
公开(公告)号：CN118628931A
公开(公告)日：2024-09-10
申请号：CN202410860813.1
申请日：2024-06-28
Applicant: 国家气象中心(中央气象台)
IPC: G06V20/13 , G06V20/70 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于机器深度学习的卫星图像大雾自动判识方法及装置，包括获取高分辨率大气云雾卫星数据，并对卫星数据进行预处理得到图像数据，其中，图像数据中雾区被进行了标注；基于图像数据构建训练样本，得到正样本对、负样本对；基于正样本对、负样本对，构建机器深度学习模型并进行训练；其中，在训练过程中基于模型的骨干网络提取雾区特征和非雾区特征；基于所述雾区特征和非雾区特征进行雾区重构；将标注的雾区和重构的雾区进行比对，以二者的差异最小为目标进行模型训练。将对比学习机制应用于深度学习模型中，能够更充分的利用雾区样本，让神经网络更好的学习到雾区与其他非雾区的区分特征，达到更高的雾区判识准确率。
-
公开(公告)号：CN118628931B
公开(公告)日：2025-03-21
申请号：CN202410860813.1
申请日：2024-06-28
Applicant: 国家气象中心(中央气象台)
IPC: G06V20/13 , G06V20/70 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于机器深度学习的卫星图像大雾自动判识方法及装置，包括获取高分辨率大气云雾卫星数据，并对卫星数据进行预处理得到图像数据，其中，图像数据中雾区被进行了标注；基于图像数据构建训练样本，得到正样本对、负样本对；基于正样本对、负样本对，构建机器深度学习模型并进行训练；其中，在训练过程中基于模型的骨干网络提取雾区特征和非雾区特征；基于所述雾区特征和非雾区特征进行雾区重构；将标注的雾区和重构的雾区进行比对，以二者的差异最小为目标进行模型训练。将对比学习机制应用于深度学习模型中，能够更充分的利用雾区样本，让神经网络更好的学习到雾区与其他非雾区的区分特征，达到更高的雾区判识准确率。
-
公开(公告)号：CN119621045A
公开(公告)日：2025-03-14
申请号：CN202411683544.2
申请日：2024-11-22
Applicant: 北京邮电大学
Abstract: 一种面向深度学习模型训练的工具系统，属于人工智能领域，包括：核心组件层，用于实现代码的低耦合度和可复用性；配置系统层，用于设定可配置项，以及用于对实验对应的所有可配置项进行归档；实验管理层，用于按照一定层次结构组织所有进行的深度学习模型训练实验，以及用于存储实验信息；命令交互层，由有限数量的子命令构成，用于向用户提供进行实验管理和启动实验的高效交互方式。本发明能高效管理大量的代码、可配置项和产生的实验，提供多种启动模板，达到了便利性和灵活性之间的良好平衡。本发明通用性和可扩展性强，可快速直观地设定可配置项。本发明可低成本地将现有代码进行迁移，节省管理大量实验的时间和精力。
-
公开(公告)号：CN115761762A
公开(公告)日：2023-03-07
申请号：CN202211557174.9
申请日：2022-12-06
Applicant: 北京邮电大学
IPC: G06V30/22 , G06V30/19 , G06N3/08 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的古文字开集识别系统及方法，使用深度学习技术进行初步古文字识别，不仅能够对已知类别的古文字样本进行分类，同时能将原本训练集中未知的类别样本单独预测出，并标记为“未知”类别，开集普适性更强。并对于未知的类别提供了形近字推荐的功能，将与未知类别的古文字最形近的多个字形的文字作为推荐，能够帮助未知类别的古文字根据已知类别形近字进行考释，方便随后的考释工作的开展，实现古文字开集识别并给被判别为未知类别的古文字以形似文字推荐，提高古文字考释效率，同时可以降低人工分类的成本，实现自动进行初筛，降低人工成本。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.043 seconds)
