公开(公告)号：CN118262245B

公开(公告)日：2024-09-03

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

发明人： 刘玉峰 ,  孙启玉 ,  杨公平 ,  孙平 ,  崔苗苗

IPC分类号： G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

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：CN118298185A

公开(公告)日：2024-07-05

申请号：CN202410725069.4

申请日：2024-06-06

申请人： 山东锋士信息技术有限公司

发明人： 杨公平 ,  孙启玉 ,  刘玉峰 ,  孙平 ,  王洁

IPC分类号： G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/088 ,  G06V20/10

摘要： 本发明涉及一种基于码本与交叉变形融合的跨域遥感图像分割方法，属于图像处理技术领域。自监督预训练阶段，源域图像和目标域图像输入卷积网络得到瓶颈特征，瓶颈特征由码本中特征码替换，替换后的特征输入到解码器中还原成原始图像，瓶颈特征输入到域判别器中进行域混淆，解码器的中间特征输入到域判别器中进行域混淆；分割训练阶段，源域和目标域图像输入到预训练好的编码器、解码器中，通过交叉变形特征融合模块实现跳跃连接，解码器最后一层替换成分割头，计算域混淆损失和分割损失共同优化模型。本发明利用码本机制增强图像内容,并利用可变形注意力融合不同层特征，以期模型能够学习更鲁棒的特征，从而提高跨域图像语义分割的性能。

公开(公告)号：CN118298184A

公开(公告)日：2024-07-05

申请号：CN202410725066.0

申请日：2024-06-06

申请人： 山东锋士信息技术有限公司

发明人： 杨公平 ,  孙启玉 ,  刘玉峰 ,  孙平 ,  王洁

IPC分类号： G06V10/26 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V20/10

摘要： 本发明及一种基于层级式误差修正的高分辨率遥感语义分割方法，属于图像处理技术领域。以最小尺度特征图为起点，每次使用更大尺度的特征图进行修正，将层级i对应的高分辨率遥感图像Xi输入分割网络获得分割特征图Yi，对Yi进行误差区域选择得到i层级特征图对应区域分割特征Yi,A，截取i+1层级高分辨率遥感图像Xi+1中的A对应区域，输入分割网络获得对应区域分割特征Yi+1,A，将Yi,A以及Yi+1,A输入误差修正模块进行误差修正，得到修正特征，重复多次。本发明通过层级式误差修正过程，能够学习到更富表现力的分割特征，针对不同尺寸的物体自适应融合最优尺度特征图，从而提高高分辨率遥感图像语义分割的准确性。

公开(公告)号：CN117409326B

公开(公告)日：2024-04-19

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

发明人： 刘玉峰 ,  孙启玉 ,  孙平 ,  杨公平

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。

公开(公告)号：CN117408996B

公开(公告)日：2024-04-19

申请号：CN202311703447.0

申请日：2023-12-13

申请人： 山东锋士信息技术有限公司

发明人： 刘玉峰 ,  孙启玉 ,  孙平 ,  杨公平

IPC分类号： G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/09

摘要： 本发明涉及一种基于缺陷专注和边缘权重损失的表面缺陷检测方法，属于图像处理和表面缺陷检测技术领域。通过构建记忆库核心子集，将训练样本输入到特征提取网络提取多层特征，将提取的中间层特征采用最近邻算法与对应记忆库核心子集对比得到缺陷先验图，特征增强；将增强后的特征输入到可变形注意力中生成校正后的增强特征，对校正后的增强特征与提取的非中间层特征采用邻近特征融合，获得融合后特征图；通过计算校正后的增强特征图与融合后特征图的边缘权重损失，加和计算总损失，根据总损失训练网络。本发明利用边缘权重损失来增强对缺陷区域的影响，同时使用可变形注意力进行缺陷专注，从而实现高精度定位的表面缺陷检测方法。

公开(公告)号：CN117408996A

公开(公告)日：2024-01-16

申请号：CN202311703447.0

申请日：2023-12-13

申请人： 山东锋士信息技术有限公司

发明人： 刘玉峰 ,  孙启玉 ,  孙平 ,  杨公平

IPC分类号： G06T7/00 ,  G06V10/25 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/09

摘要： 本发明涉及一种基于缺陷专注和边缘权重损失的表面缺陷检测方法，属于图像处理和表面缺陷检测技术领域。通过构建记忆库核心子集，将训练样本输入到特征提取网络提取多层特征，将提取的中间层特征采用最近邻算法与对应记忆库核心子集对比得到缺陷先验图，特征增强；将增强后的特征输入到可变形注意力中生成校正后的增强特征，对校正后的增强特征与提取的非中间层特征采用邻近特征融合，获得融合后特征图；通过计算校正后的增强特征图与融合后特征图的边缘权重损失，加和计算总损失，根据总损失训练网络。本发明利用边缘权重损失来增强对缺陷区域的影响，同时使用可变形注意力进行缺陷专注，从而实现高精度定位的表面缺陷检测方法。

公开(公告)号：CN116681262A

公开(公告)日：2023-09-01

申请号：CN202310934103.4

申请日：2023-07-28

申请人： 山东锋士信息技术有限公司

发明人： 孙启玉 ,  赵金淼 ,  蔺文慧 ,  王玉娥 ,  刘玉峰 ,  孙平

IPC分类号： G06Q10/0631 ,  G06Q50/06 ,  G06Q50/26 ,  G06F18/24

摘要： 本发明涉及一种基于遥感数据的水资源优化配置方法，属于水资源优化配置技术领域。先利用遥感影像数据提取研究区的生态植被覆盖情况；再提取研究区域PML_V2中的植被蒸腾数据，计算研究区多年植被蒸腾数据平均值，以获得的生态植被空间分布情况为框架，提取对应网格内的多年植被蒸腾数据平均值，获取研究区域内的植被蒸腾多年平均空间分布图；根据植被蒸腾多年平均空间分布图计算研究区域内生态植被的最低生态需水量和最适宜生态需水量；构建水资源优化配置模型：包括目标函数和条件约束，求解得目标。本发明更合理地考虑了生态需水量的空间变异性，不仅能有效降低人力物力的投入，还可以实现对生态植被的有效保护，提高水资源管理效率。

公开(公告)号：CN115965823A

公开(公告)日：2023-04-14

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

发明人： 孙启玉 ,  刘玉峰 ,  孙平

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：CN115409842B

公开(公告)日：2023-02-24

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

发明人： 孙启玉 ,  刘玉峰 ,  孙平

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：CN115410059A

公开(公告)日：2022-11-29

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

发明人： 孙启玉 ,  刘玉峰 ,  孙平

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。