-
公开(公告)号：CN117710828B
公开(公告)日：2024-04-12
申请号：CN202410170679.2
申请日：2024-02-06
Applicant: 深圳市森歌数据技术有限公司 , 广东省林业调查规划院
IPC: G06V20/10 , G06V20/70 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种半监督的自然保护地遥感影像场景识别方法，包括S1，构造数据集D，包括监督数据集DS和无监督数据集DU；选取一Resnet‑50，用于对输入的遥感影像进行特征提取并进行分类预测，输出其预测类别；设计监督数据损失LS、无监督数据损失LU和数据亲和损失LA；基于LS、LU、LA构造综合损失函数L，训练Resnet‑50得到场景识别模型；获取待识别遥感影像，输入场景识别模型中，输出其预测类别。本发明通过约束聚类和数据间亲和关系为神经网络学习中的无监督数据分配伪标签和学习权重，实现遥感影像的半监督场景识别，使场景识别模型在训练过程中无需依赖于大规模标签数据，节省标注时间。
-
公开(公告)号：CN117523567B
公开(公告)日：2024-08-09
申请号：CN202410021484.1
申请日：2024-01-08
Applicant: 深圳市森歌数据技术有限公司
IPC: G06V20/70 , G06V20/10 , G06V10/25 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种松林变色异木区域的标注框的矫正方法、装置及存储介质，涉及图像处理技术领域。方法包括将标注松林变色异木区域标注框的原始图像输入变色异木区域检测模型，得到松林变色异木区域的第一预测框和第二预测框；基于第一预测框和第二预测框进行松林变色异木区域的标注框矫正，得到松林变色异木区域的优化框；其中，变色异木区域检测模型包括第一检测网络和第二检测网络，第一检测网络用于对原始图像进行松林变色异木区域检测，得到第一预测框，第二检测网络用于对原始图像进行松林变色异木区域检测，得到第二预测框。本发明公开的方法、装置及存储介质可准确的对松林变色异木区域的标注框进行矫正，确保训练的检测模型的检测精度。
-
公开(公告)号：CN117710828A
公开(公告)日：2024-03-15
申请号：CN202410170679.2
申请日：2024-02-06
Applicant: 深圳市森歌数据技术有限公司 , 广东省林业调查规划院
IPC: G06V20/10 , G06V20/70 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种半监督的自然保护地遥感影像场景识别方法，包括S1，构造数据集D，包括监督数据集DS和无监督数据集DU；选取一Resnet‑50，用于对输入的遥感影像进行特征提取并进行分类预测，输出其预测类别；设计监督数据损失LS、无监督数据损失LU和数据亲和损失LA；基于LS、LU、LA构造综合损失函数L，训练Resnet‑50得到场景识别模型；获取待识别遥感影像，输入场景识别模型中，输出其预测类别。本发明通过约束聚类和数据间亲和关系为神经网络学习中的无监督数据分配伪标签和学习权重，实现遥感影像的半监督场景识别，使场景识别模型在训练过程中无需依赖于大规模标签数据，节省标注时间。
-
公开(公告)号：CN117437290B
公开(公告)日：2024-02-23
申请号：CN202311756971.4
申请日：2023-12-20
Applicant: 深圳市森歌数据技术有限公司
Abstract: 本发明公开了一种多传感器融合的自然保护区无人机三维空间定位方法，包括训练一高分辨率的深度图获取模型；在无人机上搭载相机、激光雷达、IMU，分别用于采集自然保护区的彩色图像、点云数据、IMU数据；初始化；无人机起飞，在每个更新时刻更新一次点云数据，与上一时刻的点云数据配准得到无人机位姿。本发明用图像数据、点云数据和高分辨率的深度图获取模型提升点云数据的分辨率，并结合无人机飞控对无人机的预估位姿、IMU对无人机的预估位姿得到一预估位姿，用于点云配准。不仅能提升无人机在三维空间中定位精度、还能提升算法效率，减少计算资源占用，尤其适用于彩色图像颜色分布接近，局部特征不明显、区分度不高、纹理分布均匀
-
公开(公告)号：CN117437290A
公开(公告)日：2024-01-23
申请号：CN202311756971.4
申请日：2023-12-20
Applicant: 深圳市森歌数据技术有限公司
Abstract: 本发明公开了一种多传感器融合的自然保护区无人机三维空间定位方法，包括训练一高分辨率的深度图获取模型；在无人机上搭载相机、激光雷达、IMU，分别用于采集自然保护区的彩色图像、点云数据、IMU数据；初始化；无人机起飞，在每个更新时刻更新一次点云数据，与上一时刻的点云数据配准得到无人机位姿。本发明用图像数据、点云数据和高分辨率的深度图获取模型提升点云数据的分辨率，并结合无人机飞控对无人机的预估位姿、IMU对无人机的预估位姿得到一预估位姿，用于点云配准。不仅能提升无人机在三维空间中定位精度、还能提升算法效率，减少计算资源占用，尤其适用于彩色图像颜色分布接近，局部特征不明显、区分度不高、纹理分布均匀的场景。
-
Patent Agency Ranking
公开(公告)号：CN119229035A
公开(公告)日：2024-12-31
申请号：CN202411759501.8
申请日：2024-12-03
Applicant: 深圳市森歌数据技术有限公司 , 江西省国土空间调查规划研究院
IPC: G06T17/00 , G06T15/20 , G06N3/0499
Abstract: 本发明公开了一种融合时间维度以及层次化采样策略的NeRF建模方法，包括构造数据集；对数据集中RGB图像的每条射线，采样M个粗采样点；对粗采样点进行位置编码，再由MLP输出粗采样点的体密度和颜色；计算粗采样点的权重、累计权重；基于累计权重生成N个精采样点，计算精采样点的体密度、颜色、不透明度和累计透射率；结合粗采样点和精采样点计算射线的颜色；构造MLP的损失函数L；训练MLP得到三维场景建模模型。本发明通过层次化采样策略提高渲染效率，在编码时融合显式空间结构来增强模型对复杂几何的捕捉能力，增加时间编码以高效应对场景中的动态变化，从而在处理大规模、复杂、动态的三维场景时具备更好的性能和效率。
-
公开(公告)号：CN118657685A
公开(公告)日：2024-09-17
申请号：CN202411148905.3
申请日：2024-08-21
Applicant: 深圳市森歌数据技术有限公司 , 广东省林业调查规划院
IPC: G06T5/70 , G06T5/50 , G06V10/774 , G06V10/764 , G06V10/74 , G06N3/094
Abstract: 本发明公开了一种面向林业资源综合监测的遥感影像生成方法，属于图像数据处理技术领域，包括构造数据集、构造风格一致性扩散网络M1和总损失；训练得到风格一致性扩散模型M2；构造生成对抗网络M3，构造时将M2中扩散模型的反向过程作为生成器，将预训练好的YOLOv5s模型作为判别器，构造判别器损失和生成器损失；训练M3时得到优化生成器，用优化生成器生成林业资源遥感图像。本发明在扩散模型引入风格损失，提升图像的视觉效果、确保图像在风格上的一致性；使用目标检测作为判别器，不仅关注整体图像的真实性，还能够对遥感图像中的每一个对象进行精确的分类和定位，从而在预设的特定位置准确生成所需的地物。
-
公开(公告)号：CN118097317B
公开(公告)日：2024-07-12
申请号：CN202410513196.8
申请日：2024-04-26
Applicant: 深圳市森歌数据技术有限公司
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/096
Abstract: 本发明公开了一种基于大模型二次蒸馏的遥感影像分类方法，包括训练一根据文本对遥感影像进行分类识别的CLIP模型；基于LoRA方法对CLIP模型微调；选取两ResNet50模型RN1和RN2；将调整后CLIP模型作为教师模型，RN1作为第一学生模型，知识蒸馏得到训练好的第一学生模型MT1；基于RN2构造改进ResNet50模型，包括划分子模块、设置捷径连接、转换卷积核和卷积核耦合，再将MT1作为教师模型，改进ResNet50模型作为第二学生模型，二次蒸馏得到训练好的第二学生模型MT2，用于遥感影像的分类识别。本发明尤其适合处理高分辨率的遥感图像数据、速度快、效率高、可广泛用于遥感影像的检测、分割等复杂视觉任务得到主干网络。
-
公开(公告)号：CN117095317B
公开(公告)日：2024-06-25
申请号：CN202311352027.2
申请日：2023-10-19
Applicant: 深圳市森歌数据技术有限公司
IPC: G06V20/17 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种无人机三维影像实体识别与时间定位方法，地理信息技术领域，包括步骤：S10：从无人机视频中构建二分类训练数据集；S20：将ResNet模型在该数据集上进行训练，获得二分类器ResNet_1；S30：利用二分类器ResNet_1对训练后数据集的每一帧提取Pool5特征，进行实体时间段的推荐；S40：所推荐的实体时间段边界细化；S50：针对S40中细化的时间段构建K+1类训练数据集；S60：将ResNet模型在步骤S50中构建的数据集上进行训练，获得K+1分类器ResNet_2；S70：利用K+1分类器ResNet_2对细化后的时间段中每一帧提取Pool5特征；S80：利用K+1分类器SVM，对S40中推荐出的具体实体时间段进行分类。发明有益效果：该方法能对视频段整体进行分类处理，减少单帧识别错误带来的影响，使人工地理实体识别更加准确。
-
公开(公告)号：CN117911465B
公开(公告)日：2024-05-17
申请号：CN202410318712.1
申请日：2024-03-20
Applicant: 深圳市森歌数据技术有限公司
IPC: G06T7/30
Abstract: 本发明公开了一种基于双目立体匹配的自然保护区稠密点云生成方法，属于图像处理技术领域，包括步骤：采集自然保护区的图像和点云；相邻两片点云配准，获取t时刻和t+1时刻的图像It和It+1的匹配点；计算It中每个像素点的匹配代价；生成It和It+1的真实视差图，超采样得到#imgabs0#、#imgabs1#，并计算#imgabs2#中每个像素点的匹配代价，生成#imgabs3#和#imgabs4#的真实视差图I2M，再基于I2M得到稠密三维点云。本发明不仅能生成更高分辨率的点云、更适用于自然保护区这种大场景、还消除对双目相机采集图像必须水平对齐的限制，降低了计算复杂度，提高了整体的鲁棒性和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.046 seconds)
