-
公开(公告)号:CN118657948A
公开(公告)日:2024-09-17
申请号:CN202411146624.4
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: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455
摘要: 本发明涉及基于内容感知与令牌共享的高效视觉ViT语义分割方法,属于图像处理和计算机视觉技术领域。建立一个令牌共享策略网络,训练令牌共享策略网络,直至收敛,将图像I输入共享策略网络得到共享策略,将图像块与令牌共享策略输入令牌共享函数,得到一个精简的令牌集合T’;将T’输入Transformer网络,得到一组包含语义信息的预测令牌集合L;将L以及共享策略输入令牌分发函数,令牌分发函数将预测令牌集合L根据共享策略进行分发以及上采样,并进行重组,得到预测空间特征并将其输入解码器,得到最终语义分割预测结果。本发明可以在保障分割质量的同时,显著提高基于视觉Transformer语义分割网络的计算效率。
-
公开(公告)号:CN118436317A
公开(公告)日:2024-08-06
申请号:CN202410902644.3
申请日:2024-07-08
申请人: 山东锋士信息技术有限公司
IPC分类号: A61B5/00 , A61B5/398 , A61B5/397 , A61B5/372 , G06F18/213 , G06F18/2415
摘要: 本发明涉及基于多粒度特征融合的睡眠阶段分类方法及系统,属于信号处理和医疗保健信息识别技术领域。首先利用HHT进行脑电信号、眼电信号、肌电信号时频特征提取,获取有表征信息的时频矩阵,进一步通过ETN网络中提取多通道数据的睡眠高阶特征张量,进一步采用三分支网络完成对全局和局部特征获取更全面的特征信息;最后在融合分类部分对每个通道进行自信息过滤法筛选的特征,并利用注意力感知模块对不同通道之间的特征信息进行融合。本发明方法能够有效提升睡眠阶段的分类精度和分类性能。
-
公开(公告)号:CN118262245A
公开(公告)日:2024-06-28
申请号:CN202410666206.1
申请日:2024-05-28
申请人: 山东锋士信息技术有限公司
摘要: 本发明涉及基于拉普拉斯和相似度的河湖管理违规问题遥感监测方法,属于遥感图像处理技术领域。在编码器阶段用拉普拉斯金字塔中与各层提取的特征图尺寸大小相同的高频分量进行各层提取特征的特征增强;解码器阶段,对不同尺度的增强后的特征分别应用相似度注意力,使用跳跃连接来实现多尺度特征融合;对各层相似度注意力模块解码的特征进行相同尺寸拼接得到最终特征图,用该图完成结果预测。本发明将拉普拉斯金字塔和余弦相似度应用到遥感分割领域,提高了模型的检测效率和识别精度。
-
公开(公告)号:CN118247383A
公开(公告)日:2024-06-25
申请号:CN202410674409.5
申请日:2024-05-29
申请人: 山东锋士信息技术有限公司
摘要: 本发明涉及基于遥感与水文监测数据的水利地图动态生成方法及系统,收集遥感数据和水文监测数据并进行信息匹配,利用遥感数据进行特征指数计算,得到多种特征参数,以某一种特征参数多点的计算值与各点所对应的水文监测数据进行多种方式的拟合,计算各拟合式的相关性系数;选相关性高的进行精度评价,选择最优算法进行水文监测数据的模拟,生成相关的水利地图。本发明能够充分发挥遥感数据与水文监测数据的优势,通过构建水利地图动态生成方法及系统,实现大范围水利地图的动态生成,对于区域水利信息的综合获取与利用具有重要意义。
-
公开(公告)号:CN118195275A
公开(公告)日:2024-06-14
申请号:CN202410605094.9
申请日:2024-05-16
申请人: 山东锋士信息技术有限公司
IPC分类号: G06Q10/0631 , G06Q50/02 , G06V20/10
摘要: 本发明涉及一种基于遥感反演温度植被干旱指数的农田灌溉调度方法,属于遥感技术应用技术领域。获取遥感影像数据并预处理,计算增强型植被指数EVI,计算归一化差值植被指数NDVI,计算植被覆盖度FVC,反演计算地表温度LST,回归分析得到干湿边方程;利用地表温度LST及得到的干湿边方程进行温度植被干旱指数TVDI的反演计算;进行干旱趋势分析,并利用F检验进行统计分析来判断TVDI变化趋势的显著性;根据干旱趋势分析结果和显著性水平选择合适的农田灌溉方案。本发明不仅能提高温度干旱植被指数TVDI的反演精度,还能进行趋势分析,可以提供更准确更全面的农田灌溉方案。
-
公开(公告)号:CN118155082A
公开(公告)日:2024-06-07
申请号:CN202410584676.3
申请日:2024-05-13
申请人: 山东锋士信息技术有限公司
IPC分类号: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要: 本发明涉及一种基于高光谱空间及光谱信息的双分支变化检测方法,属于图像处理技术领域。采用并行式双分支网络处理双时相高光谱图像样本,一个分支是由深度可分离卷积和自注意力机制组成的空间注意力模块,获得双时相的空间特征,另一个分支是利用Transformer结构处理高光谱图像的空间‑光谱信息融合模块,获得双时相的空间‑光谱融合特征;分别计算网络中两个分支的对比损失,加权和计算总损失来收敛网络,将待测样本对用收敛后的网络进行预测得到变化检测结果。本发明充分利用不同模型范式在空间和光谱序列特征提取方面的能力,大大提高了变化检测的准确性和鲁棒性,为高光谱图像变化检测领域的研究和应用提供了一种新的有效途径。
-
公开(公告)号:CN118051842A
公开(公告)日:2024-05-17
申请号:CN202410189145.4
申请日:2024-02-20
申请人: 山东锋士信息技术有限公司
摘要: 本发明涉及一种基于改进的VMD算法的识别异常脉搏信号的方法,属于脉搏信号的识别技术领域。将脉搏信号基于短时傅里叶变换根据频谱选择子代信号,对子代信号利用改进的VMD算法进行VMD分解得到IMF分量,改进的VMD算法是利用粒子群算法,通过计算子代信号的样本熵作为适应度来评价,迭代优化输出最优的参数L和α值;计算IMF分量的自相关函数和能量占比,选择符合条件的IMF分量脉搏信号作为BP神经网络的输入,训练并测试异常脉搏信号的识别网络。本发明方法有效地提高了脉搏信号识别异常信号的准确率。
-
公开(公告)号:CN117114371B
公开(公告)日:2024-02-13
申请号:CN202311376385.7
申请日:2023-10-24
申请人: 山东锋士信息技术有限公司
IPC分类号: G06Q10/0631 , G06Q10/0635 , G06Q50/26 , G06V20/13 , G06V20/10 , G06V20/40 , G06V20/52 , G06V10/80 , G06F16/29
摘要: 本发明涉及一种基于卫星遥感的现代水网防汛监测与调度方法及系统,属于流域防汛技术领域和遥感技术领域。先获取流域遥感数据和河道基础数据,建立并运行SWAT模型,基于SWAT模型划分河道和流域,然后提取河道面矢量并基于SAR影像数据提取湖泊、水库信息,合并提取得到水网矢量,根据光学遥感影像建立多波段组合模型计算水网水深,计算水网水位;将水网水位与对应地的警戒水位和保证水位比较,结合气象数据根据风险大小进行防汛调度。本发明能提高水网提取精度和水位计算效率,为高精度水网防汛监测和调度提供数据和决策支撑。
-
公开(公告)号:CN117426754A
公开(公告)日:2024-01-23
申请号:CN202311773487.2
申请日:2023-12-22
申请人: 山东锋士信息技术有限公司
IPC分类号: A61B5/02 , A61B5/021 , A61B5/00 , G06F18/2415 , G06F18/2131 , G06F18/2135 , G06F18/10 , G06F18/23 , G06N3/047 , G06N3/045 , G06N3/09
摘要: 本发明涉及一种基于PNN‑LVQ的特征权重自适应脉搏波分类方法,属于脉冲信号处理和健康信息数据处理技术领域。本发明采用矩阵脉搏波信号,采用PCA方法降维,通过PNN‑LVQ网络训练,完成对PNN网络竞争层的优化,采用先进鲸鱼算法优化PNN‑LVQ网络的输入信号,对特征信号进行权重自适应调整,本发明能够提取含有脉搏波幅值较高的数据信息,并且可避免了过程中由于测量移动带来的误差,分类准确率较高,训练速度较快。
-
公开(公告)号:CN117409326A
公开(公告)日:2024-01-16
申请号:CN202311703448.5
申请日:2023-12-13
申请人: 山东锋士信息技术有限公司
IPC分类号: G06V20/10 , G06V10/28 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/094
摘要: 本发明涉及基于自适应加权损失和对抗干扰器的遥感异常检测方法,属于图像处理和遥感异常检测技术领域。将高光谱图像输入自动编码器重建获得背景重建图像,由高光谱图像和背景重建图像计算重建误差图,利用重建误差图分别生成用于计算自适应加权损失函数的权重图和用于对抗性干扰鉴别器的二值化人工伪标签,通过在自编码器中引入自适应加权损失训练和对抗性干扰鉴别器对抗训练,有效地促进了背景区域的重建,并同时抑制了异常区域的准确重建,采用“迭代对抗”的方式,以进一步实现目标。本发明整个网络以端到端的方式进行训练,从而实现高度准确的遥感异常检测。
-
-
-
-
-
-
-
-
-