-
公开(公告)号：CN114067110B
公开(公告)日：2024-07-16
申请号：CN202110791830.0
申请日：2021-07-13
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 广州大学
IPC: G06V20/70 , G06V10/26 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/766 , G06V20/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种实例分割网络模型的生成方法，所述生成方法包括：先获取训练样本集，然后将所述训练样本集输入神经网络模型中，以使所述神经网络模型进行训练后生成实例分割网络模型。其中，所述训练样本集包括多对样本图片及其标签，每对所述样本图片的拍摄区域相同、拍摄时间不同；所述标签包括：建筑改变和建筑不变；所述建筑改变类型包括：建筑新增、建筑拆除、建筑楼层变化和建筑扩减建。采用本发明实施例能关注建筑新增、建筑拆除、建筑楼层变化和建筑扩减建等多种建筑改变类型，提高了网络模型的精度。
-
公开(公告)号：CN114067110A
公开(公告)日：2022-02-18
申请号：CN202110791830.0
申请日：2021-07-13
Applicant: 广东国地规划科技股份有限公司 , 广州蓝图地理信息技术有限公司 , 广州大学
IPC: G06V10/26 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/766 , G06V20/10 , G06K9/62 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种实例分割网络模型的生成方法，所述生成方法包括：先获取训练样本集，然后将所述训练样本集输入神经网络模型中，以使所述神经网络模型进行训练后生成实例分割网络模型。其中，所述训练样本集包括多对样本图片及其标签，每对所述样本图片的拍摄区域相同、拍摄时间不同；所述标签包括：建筑改变和建筑不变；所述建筑改变类型包括：建筑新增、建筑拆除、建筑楼层变化和建筑扩减建。采用本发明实施例能关注建筑新增、建筑拆除、建筑楼层变化和建筑扩减建等多种建筑改变类型，提高了网络模型的精度。
-
公开(公告)号：CN115456957B
公开(公告)日：2023-09-01
申请号：CN202211003665.9
申请日：2022-08-19
Applicant: 广州大学
IPC: G06T7/00 , G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及遥感影像变化检测技术领域，具体为一种全尺度特征聚合的遥感影像变化检测的方法，其方法包括：采集原始遥感影像，并对所述原始遥感影像进行预处理；将预处理后的原始遥感影像裁剪成若干小块图片集，并将所述小块图片集分为训练集、测试集、验证集；构建注意力引导全尺度特征聚合变化检测网络模型AFSNet，并对AFSNet进行训练；在训练过程中，获取每一轮精度最高的权重文件；利用所述权重文件，获取预测结果数据，并进行精度评定。本发明通过构建AFSNet，可以更精确地检测遥感影像中变化区域边缘细节信息，适应检测多尺度变化区域边界更加清晰，对计算量与参数量有着较好的平衡效果。
-
Patent Agency Ranking
公开(公告)号：CN115456957A
公开(公告)日：2022-12-09
申请号：CN202211003665.9
申请日：2022-08-19
Applicant: 广州大学
IPC: G06T7/00 , G06T5/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/04 , G06N3/08
Abstract: 本发明涉及遥感影像变化检测技术领域，具体为一种全尺度特征聚合的遥感影像变化检测的方法，其方法包括：采集原始遥感影像，并对所述原始遥感影像进行预处理；将预处理后的原始遥感影像裁剪成若干小块图片集，并将所述小块图片集分为训练集、测试集、验证集；构建注意力引导全尺度特征聚合变化检测网络模型AFSNet，并对AFSNet进行训练；在训练过程中，获取每一轮精度最高的权重文件；利用所述权重文件，获取预测结果数据，并进行精度评定。本发明通过构建AFSNet，可以更精确地检测遥感影像中变化区域边缘细节信息，适应检测多尺度变化区域边界更加清晰，对计算量与参数量有着较好的平衡效果。
-
公开(公告)号：CN113239736B
公开(公告)日：2023-06-06
申请号：CN202110414044.9
申请日：2021-04-16
Applicant: 广州大学
IPC: G06V10/764 , G06V20/10 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于多源遥感数据的土地覆盖分类标注图获取方法、存储介质及系统，该方法包括如下步骤：采集高分辨率遥感影像和机载激光雷达点云；从高分辨率遥感影像和机载激光雷达点云中提取特征组合图像；对特征组合图像进行随机编辑得到多个训练样本对全卷积神经网络进行训练；使用网络深度为16层以上的卷积神经网络提取特征组合图像的多层级特征，并对多层级特征进行卷积操作，输出低分辨率的土地覆盖分类标注图；对低分辨率的土地覆盖分类标注图进行多次上采样操作，利用注意力引导特征融合模块和多分支感知特征融合模块进行特征选取融合，获得高分辨率的土地覆盖分类标注图。
-
公开(公告)号：CN113239736A
公开(公告)日：2021-08-10
申请号：CN202110414044.9
申请日：2021-04-16
Applicant: 广州大学
Abstract: 本发明提供一种基于多源遥感数据的土地覆盖分类标注图获取方法、存储介质及系统，该方法包括如下步骤：采集高分辨率遥感影像和机载激光雷达点云；从高分辨率遥感影像和机载激光雷达点云中提取特征组合图像；对特征组合图像进行随机编辑得到多个训练样本对全卷积神经网络进行训练；使用网络深度为16层以上的卷积神经网络提取特征组合图像的多层级特征，并对多层级特征进行卷积操作，输出低分辨率的土地覆盖分类标注图；对低分辨率的土地覆盖分类标注图进行多次上采样操作，利用注意力引导特征融合模块和多分支感知特征融合模块进行特征选取融合，获得高分辨率的土地覆盖分类标注图。
-
公开(公告)号：CN117612021A
公开(公告)日：2024-02-27
申请号：CN202311360631.X
申请日：2023-10-19
Applicant: 广州大学
IPC: G06V20/13 , G06V10/20 , G06V10/774 , G06V10/44 , G06V10/82 , G06T5/73 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种农业塑料大棚遥感提取方法及系统，其中，所述方法包括：获取农业塑料大棚遥感影像，并对农业塑料大棚遥感影像进行图像预处理；基于图像增强指数对该农业塑料大棚遥感影像进行边界增强处理；裁剪边界增强后的农业塑料大棚遥感影像生成农业塑料大棚遥感图像集，并将该图像集划分为训练集、测试集和验证集；基于训练集和验证集对初始边界提取模型进行训练，获得训练后的边界提取模型；基于测试集对该边界提取模型进行精度评定，基于精度评定结果生成优化边界提取模型，并基于优化边界提取模型进行农业塑料大棚边界提取和识别。本发明不仅可以更精确地提取农业塑料大棚细小密集分布的区域，并且可以削弱少测漏测现象。
-
公开(公告)号：CN113204608A
公开(公告)日：2021-08-03
申请号：CN202110587305.7
申请日：2021-05-27
Applicant: 广州大学
Abstract: 本发明提供一种基于遥感影像的地图自动更新方法、存储介质及系统，方法包括如下步骤：构建深度学习分割网络；利用残差网络对深度学习分割网络进行改进，得到改进后的深度学习分割网络；获取多个遥感影像和对应的地物标注数据；对多个遥感影像和对应的地物标注数据进行一一对应的随机裁剪，得到多个训练样本；将多个训练样本输入到改进后的深度学习分割网络中进行地物识别训练，直至改进后的深度学习分割网络对遥感影像中的所有地物的识别精度达到预设验证精度；利用训练好的深度学习分割网络对目标地图当前时相的遥感影像进行提取，将提取结果与上一个时相的目标地图进行对比，得到目标地图的地物变化内容；根据地物变化内容对目标地图进行更新。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.068 seconds)
