一种基于SKNet和YOLOv5的海洋目标识别方法

    公开(公告)号:CN115147650A

    公开(公告)日:2022-10-04

    申请号:CN202210780105.8

    申请日:2022-07-04

    摘要: 一种基于SKNet和YOLOv5的海洋目标识别方法,包括以下步骤:S1、构建海洋目标样本库;S2、引入SKNet,构建新的SCSP1_X单元;S3、引入SKNet,构建新的SCSP2_X单元;S4、基于SCSP1_X、SCSP2_X和YOLOv5网络构建新的SK‑YOLOv5网络结构;S5、设计损失函数;S6、训练及优化,得到最优模型;S7、用得到的最优模型进行目标检测和识别。本发明针对基于遥感影像的海洋目标图像具有多尺度、形状变化大、颜色暗淡、目标边界不清、图像模糊等问题,在YOLOv5的网络架构中引入SKNet注意力模块,提出一种新的SK‑YOLOv5网络,增强网络对多尺度复杂海洋目标的特征提取和自适应能力,提升了对复杂海洋目标的检测及分类准确率。

    基于遥感和DeepLabV3+的红树林生态系统储碳量评估方法

    公开(公告)号:CN117589692A

    公开(公告)日:2024-02-23

    申请号:CN202311577475.2

    申请日:2023-11-24

    申请人: 广西科学院

    摘要: 一种基于遥感和DeepLabV3+的红树林生态系统储碳量评估方法,包括(1)基于遥感的红树林群落光谱特征分析及样本库构建;(2)基于DeepLabV3+的红树林范围提取;(3)结合实地调查,确定红树林群落类别,实现对红树林碳储量的快速估算。本发明基于红树林遥感特征分析,利用DeepLabV3+深度学习方法,实现对红树林的时空分布特征及范围的快速提取,以及对红树林面积的大范围快速计算;结合遥感、深度学习、实地调查等多种手段,实现对大空间跨度下的红树林储碳量快速估算,为经济发展及生态修复提供参考依据。

    一种基于改进RPN和特征聚合的小样本目标检测方法

    公开(公告)号:CN117671245A

    公开(公告)日:2024-03-08

    申请号:CN202311679617.6

    申请日:2023-12-08

    申请人: 广西科学院

    摘要: 一种基于改进RPN和特征聚合的小样本目标检测方法,包括以下步骤:定义任务,划分基类数据集和新类数据集;使用RestNet101网络进行特征提取并计算损失;改进RPN模块,筛选出高IOU的候选框;构建基于注意力机制的特征聚合模块,聚合来自不同层级的特征信息;利用softmax函数获取最终分类并获取最终的目标检测框位置。本发明对原始的RPN进行了改进,引入非线性分类器,提高对新类候选框的召回率;利用注意力机制增强特征聚合,获得更全面的信息和特征表示,解决信息丢失问题,提升模型对新类的泛化能力和检测性能,在PASCAL‑VOC和COCO数据集上取得了较好的检测效果。

    一种基于SETR与地理网格的海洋承灾体脆弱性评价方法

    公开(公告)号:CN117709580A

    公开(公告)日:2024-03-15

    申请号:CN202311606866.2

    申请日:2023-11-29

    申请人: 广西科学院

    摘要: 本发明提供一种基于SETR与地理网格的海洋承灾体脆弱性评价方法,属于智慧海洋数据处理技术领域,方法如下步骤:建立样本库,基于SETR网络,构建海洋承灾体遥感影像语义分割模型,利用地理网格剖分技术,构建网格时空数据集,建立网格和空间价值密度的承灾体脆弱性评估法,计算海洋承灾体脆弱指数,实现区域内的海洋承灾体脆弱性评价。针对海量海洋承灾体调查和提取困难、缺乏智能预警监测技术手段等问题,利用深度学习、地理网格剖分、空间价值密度、灾害学等技术,构建基于SETR与地理网格的海洋承灾体脆弱性评价模型,实现对大范围场景海洋承灾体的智能、快速评价,对台风灾害下海洋承灾体的灾变智能监测预警和防灾减灾精细化管理具有重大意义。

    一种绿潮表层沉降区遥感识别方法

    公开(公告)号:CN117541927A

    公开(公告)日:2024-02-09

    申请号:CN202311629056.9

    申请日:2023-12-01

    摘要: 一种绿潮表层沉降区遥感识别方法,包括如下步骤:S1、对海上目标区域的多源遥感数据进行重采样以匹配统一的分辨率;从所述多源遥感数据提取长时间序列上的绿潮活动轨迹;S2、使用所述多源遥感数据映射绿潮沉降区内的总碳和总氮的比值即CN比值;S3、计算区域内绿潮生长速率,并确定CN比值在遥感数据中的具体数值;S4、基于所确定的有绿潮活动轨迹、绿潮生长速率小于1和CN比值大于0的区域,计算满足以上条件的区域内的CN比值均值,以此来构建绿潮表层沉降区识别模型以确定绿潮的表层沉降区。与传统技术相比,本发明提供了一种能够弥补传统绿潮沉降区监测耗费大、范围小等缺点的快速、动态及大范围的遥感识别方法。