-
Patent Agency Ranking
公开(公告)号：CN114782821B
公开(公告)日：2024-03-22
申请号：CN202210539204.7
申请日：2022-05-18
Applicant: 桂林理工大学
IPC: G06V20/10 , G06V10/26 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种联合多种迁移学习策略的滨海湿地植被遥感识别方法。该方法通过整合递归特征消除和主成分分析对无人机数据进行降维，降低了模型训练的时间成本，并提高了模型对红树林群落的识别能力；通过改进卷积神经网络的结构，提高了卷积神经网络的分割性能，进而提高了深度学习模型对红树林群落的边界的判别能力；通过运用不同的迁移学习策略，使得深度学习模型能低成本的应用于不同的红树林湿地，并提高了模型对红树林群落的分类精度和效率。
-
公开(公告)号：CN114782821A
公开(公告)日：2022-07-22
申请号：CN202210539204.7
申请日：2022-05-18
Applicant: 桂林理工大学
Abstract: 本发明公开了一种联合多种迁移学习策略的滨海湿地植被遥感识别方法。该方法通过整合递归特征消除和主成分分析对无人机数据进行降维，降低了模型训练的时间成本，并提高了模型对红树林群落的识别能力；通过改进卷积神经网络的结构，提高了卷积神经网络的分割性能，进而提高了深度学习模型对红树林群落的边界的判别能力；通过运用不同的迁移学习策略，使得深度学习模型能低成本的应用于不同的红树林湿地，并提高了模型对红树林群落的分类精度和效率。
-
公开(公告)号：CN115512223B
公开(公告)日：2023-08-11
申请号：CN202211188122.9
申请日：2022-09-28
Applicant: 桂林理工大学
Abstract: 本发明公开了一种融合多种变化检测算法的红树林动态监测方法，该方法基于多元光谱指数和年际时间序列，无需训练样本，可绘制历年生长红树林的区域；通过评估多个光谱指数检测红树林扩张的适用性，筛选出最优指数，提高了变化检测算法监测红树林动态变化的能力；通过融合7种变化检测算法提出了检测红树林历史扩张、监测其近实时变化和预测其未来发展趋势的方法，并在像点尺度和区域尺度上综合分析红树林的变化，更清晰地揭示了红树林的时空变化规律。
-
公开(公告)号：CN115512223A
公开(公告)日：2022-12-23
申请号：CN202211188122.9
申请日：2022-09-28
Applicant: 桂林理工大学
Abstract: 本发明公开了一种融合多种变化检测算法的红树林动态监测方法，该方法基于多元光谱指数和年际时间序列，无需训练样本，可绘制历年生长红树林的区域；通过评估多个光谱指数检测红树林扩张的适用性，筛选出最优指数，提高了变化检测算法监测红树林动态变化的能力；通过融合7种变化检测算法提出了检测红树林历史扩张、监测其近实时变化和预测其未来发展趋势的方法，并在像点尺度和区域尺度上综合分析红树林的变化，更清晰地揭示了红树林的时空变化规律。
-
公开(公告)号：CN113837134A
公开(公告)日：2021-12-24
申请号：CN202111152307.X
申请日：2021-09-29
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于面向对象的深度学习模型和迁移学习的湿地植被识别方法,该方法通过运用卷积神经网络的迁移学习能力提高了湿地植被群丛的分类精度与效率；通过扩展遥感影像空间分辨率梯度与光谱维度识别湿地植被，解决单幅影像无法精确识别各类湿地植被的问题；通过使用融合图像分割的卷积神经网络模型提高了植被边界处的精准分类。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
