公开(公告)号：CN118298278A

公开(公告)日：2024-07-05

申请号：CN202410421556.1

申请日：2024-04-09

Applicant: 河海大学 ,  水利部信息中心

Inventor： 程宫傲 ,  李春华 ,  张潮 ,  吕鑫 ,  王玮 ,  姚俊杰 ,  陈佳乐 ,  曾涛 ,  黄屿璁 ,  陈尚靖

IPC: G06V10/82 ,  G06V10/80 ,  G06V10/774 ,  G06V10/764 ,  G06V10/20 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的小目标检测方法及装置，方法包括：获取待检测小目标的图像数据，并进行归一化处理；将归一化处理后的图像数据输入预构建的小目标检测模型，获取小目标检测结果；其中，所述小目标检测模型的预构建过程包括：构建小目标检测模型，所述小目标检测模型包括骨干网络、特征金字塔网络以及检测头网络；获取待检测小目标的图像数据集，并进行数据增强处理和归一化处理；将数据增强处理和归一化处理后的图像数据集输入所述小目标检测模型进行模型训练，得到最终的小目标检测模型；本发明通过扩大感受野，增强小物体的特征信息，提高了小目标检测的精度。

公开(公告)号：CN118297825A

公开(公告)日：2024-07-05

申请号：CN202410421529.4

申请日：2024-04-09

Applicant: 河海大学

Inventor： 吕鑫 ,  张庆凯 ,  李春华 ,  王鑫元 ,  徐振楠 ,  房艺伟 ,  李亨 ,  尤谦

IPC: G06T5/60 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请公开了一种基于生成对抗网络的遥感图像薄云去除方法，包括以下步骤，获取待去云的遥感图像；根据待去云的遥感图像，采用遥感图像薄云去除模型获取遥感图像的云去除结果；其中所述遥感图像薄云去除模型包括特征增强密集残差模块和提示学习模块，所述特征增强密集残差模块用以区分所述遥感图像中分布不均匀的云层特征分离，所述提示学习模块用以所述遥感图像中的地物颜色特征的提取，获得遥感图像的云去除结果；本申请提供的薄云去除方法中特征增强密集残差模块和提示学习模块能够克服云层地物光谱混合带来的地物色彩特征恢复困难，实现模型对于薄云层的准确去除，提升模型的性能。

公开(公告)号：CN118314342A

公开(公告)日：2024-07-09

申请号：CN202410421857.4

申请日：2024-04-09

Applicant: 河海大学

Inventor： 蒋文轩 ,  吕鑫 ,  李春华 ,  徐振楠 ,  王鑫元 ,  于洁 ,  吴采凤 ,  尤谦 ,  房艺伟

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10

Abstract: 本发明公开了一种基于双路径编码器的遥感图像语义分割方法及装置，该方法为：构建遥感图像语义分割网络模型，该模型包括非对称语义增强模块，用于提取输入图像的语义信息特征图；空间信息捕获模块，用于提取输入图像的空间细节特征图；特征融合模块，用于将提取的语义信息特征图和空间细节特征图进行融合，得到融合特征图；预测模块，用于基于融合特征图得到预测结果，所述预测结果即为遥感图像的语义分割结果；获取遥感图像训练集对该网络模型进行迭代训练，得到参数最优的网络模型作为遥感图像语义分割预测模型。本发明能够高效捕捉遥感图像中语义上下文信息，抑制图像中复杂背景的干扰，提高语义分割的精度。

公开(公告)号：CN118334332A

公开(公告)日：2024-07-12

申请号：CN202410420359.8

申请日：2024-04-09

Applicant: 河海大学

Inventor： 于洁 ,  李春华 ,  吕鑫 ,  王鑫元 ,  吴采凤 ,  蒋文轩

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0464

Abstract: 本发明公开了一种基于多级特征融合的遥感图像水体提取方法：获取遥感图像，对遥感图像进行预处理，构建水体提取数据集，数据集分为训练集和测试集；将训练集输入预先构建的卷积神经网络模型；根据训练集设置网络模型训练参数训练模型，不断更新训练参数得到最佳网络模型，并保存最佳参数；将测试集输入最佳网络模型，利用最佳参数测试，得到遥感图像中水体的分割结果，提取出遥感图像中的水体。本发明使用卷积神经网络模型，结合膨胀卷积设计密集膨胀卷积模块通过不同的感受野路径，实现了对不同尺度上下文信息的捕获以获取更广泛的语义特征，结合条形池化，设计多核池化模块，充分捕捉图像中不同位置水体间的长短距离信息依赖，从而实现遥感图像水体的精确提取。

公开(公告)号：CN113033991A

公开(公告)日：2021-06-25

申请号：CN202110307029.4

申请日：2021-03-23

Applicant: 河海大学

Inventor： 张可 ,  丰景春 ,  刘双芹 ,  薛松 ,  杨研研 ,  吕思佳 ,  马佳佳 ,  周运 ,  徐贝贝 ,  李春华 ,  朱海元

IPC: G06Q10/06 ,  G06Q50/06 ,  G06Q50/08

Abstract: 本发明公开了一种基于动态发展趋势的信用评价方法及其系统，包括如下步骤：确定主观权重和客观权重，得到企业信用评价得分和信用等级；引入时间度概念，计算时间权向量信息熵的最大化，确定信用评价的时间权重；计算各评价因素对评价等级的隶属度，构建模糊评判矩阵，代入时间权向量，得到信用动态评价值。本发明采用动态信用评价方式代替了现有的静态信用评价方式，通过多个时段历史信用值反映企业信用状态动态变化趋势，相对于单一时段信用静态评价方法，能充分挖掘历史信用信息，得到更为合理的信用评价值，为政府实现差异化监管和发挥奖惩作用提供参考。