-
公开(公告)号：CN115965823B
公开(公告)日：2023-07-25
申请号：CN202310102270.2
申请日：2023-02-13
申请人： 山东锋士信息技术有限公司
IPC分类号： G06V10/764 , G06V10/774
摘要： 本发明涉及一种基于Focal损失函数的在线困难样本挖掘方法及系统，属于图像识别技术领域。方法为：将图像进行图像识别类模型训练，生成样本属于各个类别的概率，获得预测结果；结合样本标签与得到的图像预测结果对各样本进行在线挖掘，挖掘出困难样本，对挖掘出的困难样本进行自适应加权，计算损失；根据损失值回传样本梯度优化模型，验证当前模型有效性，判断模型是否达到指定步数，并保存整个训练过程中评价指标最优的模型。本发明通过结合样本层面与损失函数层面，先采样得到困难样本，再对困难样本做自适应的加权，得到一种在图像识别中解决样本不均衡问题的通用性方法，该方法同时可以实现单阶段、端到端、在线式的样本挖掘与模型训练。
-
公开(公告)号：CN116052007A
公开(公告)日：2023-05-02
申请号：CN202310322581.X
申请日：2023-03-30
申请人： 山东锋士信息技术有限公司
IPC分类号： G06V20/10 , G06V20/70 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/047
摘要： 本发明涉及一种融合时间和空间信息的遥感图像变化检测方法，属于遥感图像变化检测技术领域。将同一区域不同时期的遥感影像分别输入同一特征提取网络进行特征提取，得到不同时期的原始高阶语义特征，再生成高阶语义特征的描述子，将描述子的信息融合，描述子与原始高阶语义特征的进一步信息融合，最后将不同时期的融合了时间与空间信息的高阶语义特征输入变化检测器进行变化检测。本发明不仅能降低计算量，而且确保了遥感地物在不同区域与不同时间的特征表达的一致性，进一步提高变化检测的效率，为河湖管理提供更有利的技术支撑。
-
公开(公告)号：CN115601549B
公开(公告)日：2023-04-07
申请号：CN202211564824.2
申请日：2022-12-07
申请人： 山东锋士信息技术有限公司
摘要： 本发明涉及基于可变形卷积和自注意力模型的河湖遥感图像分割方法，属于遥感图像处理技术领域。方法包括：对获取的河湖遥感图像进行类别标注，划分数据集，图像预处理；用卷积神经网络构建的编码器结构进行多层次图像特征的提取；输入Transformer层捕获全局语义信息；利用跳跃连接进行特征图在通道上拼接，多级特征融合；利用边界细化分支网络进一步细化；计算混合损失函数进行模型监督训练。本发明一方面可充分结合CNN提取局部特征和Transformer提取全局信息的优势并利用跳跃连接实现多级特征的融合来取得更准确的结果；另一方面能提高边界特征、小物体、不规则物体特征提取的准确性，还能减少计算量。
-
公开(公告)号：CN115410059B
公开(公告)日：2023-03-24
申请号：CN202211352536.0
申请日：2022-11-01
申请人： 山东锋士信息技术有限公司
IPC分类号： G06V10/774 , G06V10/74 , G06V10/28 , G06V10/82
摘要： 本发明涉及基于对比损失的遥感图像部分监督变化检测方法及设备，属于遥感图像变化检测技术领域。方法包括步骤：S1.对同一地点两个不同时期的遥感图像进行裁剪和预处理，得到两个时期的采样图像块和变化二值图，并进行数据集划分；S2.构建遥感图像变化检测网络，它包括特征提取网络和对比判别器；S3.将图像块输入特征提取网络得到共四层特征图；S4.将两个时期的某相同层特征图送入对比判别器中对比，计算对比损失；S5.迭代训练与优化模型，利用最后模型得到变化预测图。本发明不需要类别信息，适用于任意地物类别数量的数据集，因此需要的监督信息更少，适用的数据集更广泛，且算法更简洁，可移植性和鲁棒性更佳。
-
公开(公告)号：CN115272776B
公开(公告)日：2023-01-20
申请号：CN202211169177.5
申请日：2022-09-26
申请人： 山东锋士信息技术有限公司
IPC分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10 , G06V10/40 , G06N3/04 , G06N3/08
摘要： 本发明涉及基于双路卷积与双注意的高光谱图像分类方法及存储介质，属于遥感图像技术领域。方法包括步骤S1.对图像进行预处理；S2.采样图像块的剪裁，数据集的划分；S3.将图像块分别送入构建的空间注意力双路卷积模块和通道注意力双路卷积模块，分别进行面光谱‑空间特征提取；S4.将两模块提取后的光谱‑空间特征进行双分支特征融合，再输入基本双路卷积网络组块进一步提取光谱‑空间特征；S5.将提取的光谱‑空间特征映射送入分类器进行像元分类，计算损失值；S6.迭代训练与优化模型，利用最后的模型获得最终高光谱图像分类映射。该种方法可以实现对判别性、精细特征的提取，提高分类性能和分类模型的泛化能力。
-
公开(公告)号：CN115249332B
公开(公告)日：2023-01-20
申请号：CN202211161120.0
申请日：2022-09-23
申请人： 山东锋士信息技术有限公司
IPC分类号： G06V20/10 , G06V10/20 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明涉及基于空谱双分支卷积网络的高光谱图像分类方法及设备，属于遥感图像技术领域。方法包步骤：S1.将图像进行标准化预处理；S2.对图像进行一维光谱向量和三维光谱‑空间图像块的裁剪，并拆分训练集、验证集和测试集；S3.将图像块输入构建的空间子网分支进行空间特征提取，将一维向量图像输入光谱子网分支进行光谱特征提取；S4.引入权重系数和Sigmoid函数对得到的空间特征和光谱特征进行自适应光谱‑空间特征的加权融合；S5.将融合后的特征映射送入分类器进行像元标签预测，并根据产生标签分类概率计算损失值；S6.迭代训练与优化模型，获得最终高光谱图像分类映射结果。该方法具有高效和优越的分类性能。
-
公开(公告)号：CN115409842A
公开(公告)日：2022-11-29
申请号：CN202211358970.X
申请日：2022-11-02
申请人： 山东锋士信息技术有限公司
IPC分类号： G06T7/00 , G06V10/74 , G06V10/774 , G06V10/82
摘要： 本发明涉及一种基于卷积自编解码器的遥感图像无监督变化检测方法，属于遥感图像技术领域。方法包括步骤：S1.对同一地点两个不同时期的遥感图像进行裁剪、缩放并预处理成图像块，划分数据集；S2.将两个时期的图像块分别输入构建的遥感图像变化检测模型，先编码生成多层特征图再解码生成多层特征图，选解码生成的某两层或多层特征图中对应的两个时期的两对或多对特征图送入变化图预测器预测变化；S3.计算不同时期特征图中的特征值损失和分布损失，取和得总损失，根据损失值训练优化模型；S4.利用最后模型，将不同时期的遥感图像送入模型，得变化预测图。本发明大大减少了地物类别标注所需的人力物力，同时提升了变化检测算法的精度。
-
公开(公告)号：CN113920311A
公开(公告)日：2022-01-11
申请号：CN202111094364.7
申请日：2021-09-17
申请人： 山东锋士信息技术有限公司
摘要： 本发明属于遥感图像分割技术领域，提供了一种基于边缘辅助信息的遥感图像分割方法及系统，首先获取遥感图像，并经过图像预处理后得到多个局部图像；然后采用遥感图像分割模型对局部图像进行预测，得到各像素属于各类的预测结果；其中，遥感图像分割模型包括编码器和解码器；所述编码器采用残差网络获得浅层特征图和多个深层特征图；所述解码器基于浅层特征图和多个深层特征图，通过上采样、拼接和差值运算，得到边缘特征图与主体特征图，并将边缘特征图与主体特征图融合得到最终特征图；提升了对遥感图像中边缘的分割效果，提高了遥感图像分割的精度。
-
公开(公告)号：CN118968340A
公开(公告)日：2024-11-15
申请号：CN202411146627.8
申请日：2024-08-21
申请人： 山东锋士信息技术有限公司
IPC分类号： G06V20/13 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
摘要： 本发明涉及一种基于渐进式分心挖掘的遥感图像变化检测方法及系统，属于双时相遥感图像处理技术领域。通过卷积神经网络分别提取遥感双时相图像的多尺度特征，相同尺度的双时相特征分别做差求绝对值获得多尺度差异特征图，利用获得的小尺度差异特征获得变化区域预测图，并依据变化区域预测图引导大尺度差异特征图分心挖掘变化区域，随后利用引导细化后的大尺度差异特征获得变化区域预测图并引导更大尺度差异特征细化，从而实现渐进式引导，最后得到的多尺度融合差异特征图输入预测器预测，计算损失值更新模型。本发明方法对不确定的模糊变化区域进行二次挖掘，有效避免了伪变化以及漏检变化的问题。
-
公开(公告)号：CN118587097B
公开(公告)日：2024-11-08
申请号：CN202411073631.6
申请日：2024-08-07
申请人： 山东锋士信息技术有限公司
IPC分类号： G06T3/4053 , G06T3/4046 , G06T5/50 , G06T5/60 , G06N3/0464 , G06N3/09 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/048
摘要： 本发明涉及一种基于频域‑空间双域学习的多光谱遥感图像增强方法，属于遥感图像处理技术领域。将全色图像和上采样后的低空间分辨率多光谱图像采用傅里叶变换成对应的相位分量和振幅分量，分两个分支分别送入频域特征提取模块进行相位分量学习和振幅分量学习，之后采用二维逆傅里叶变换重构得频域学习后特征；对全色图像和上采样后的低空间分辨率多光谱图像通道拼接后输入特征提取模块进行特征提取，得空域学习后特征；将频域学习后特征与空域学习后特征进行特征融合，计算损失值进行监督训练，用测试集测试模型，得到最终模型。本发明一定程度上弥补了现有基于深度学习的方法在多光谱遥感图像增强任务上的不足，实现优越的多光谱图像增强效果。
-
-
-
-
-
-
-
-
-
搜索结果
64 条记录 (耗时 0.033 秒)
