-
公开(公告)号:CN117992775B
公开(公告)日:2024-07-05
申请号:CN202410404706.8
申请日:2024-04-07
申请人: 武昌首义学院 , 成都国恒空间技术工程股份有限公司 , 箐云智图(苏州)科技有限公司 , 中科卫创(西安)信息技术有限公司
IPC分类号: G06F18/213 , G06F18/25 , G06F18/214 , H03M7/30
摘要: 本发明公开一种卫星情报与训练数据能效管理与优化方法及系统,该方法包括:获取同一时间同一坐标处所述卫星遥感数据的特征向量和所述场地数据的特征向量,并设置卫星情报数据与训练数据融合模型,计算同一时间同一坐标处融合后的数据特征向量,完成数据融合,设置融合后数据的压缩模型,对所述融合后的数据特征向量进行数据压缩,生成压缩后的数据特征向量,并通过终端进行传输及操作;设置数据能效评估模型,计算所述终端对压缩后的数据特征向量进行传输及操作时的数据能效评估指数,当所述数据能效评估指数超过预设阈值时,对所述卫星情报数据与训练数据融合模型和所述数据能效评估模型进行调整。
-
公开(公告)号:CN117992775A
公开(公告)日:2024-05-07
申请号:CN202410404706.8
申请日:2024-04-07
申请人: 武昌首义学院 , 成都国恒空间技术工程股份有限公司 , 箐云智图(苏州)科技有限公司 , 中科卫创(西安)信息技术有限公司
IPC分类号: G06F18/213 , G06F18/25 , G06F18/214 , H03M7/30
摘要: 本发明公开一种卫星情报与训练数据能效管理与优化方法及系统,该方法包括:获取同一时间同一坐标处所述卫星遥感数据的特征向量和所述场地数据的特征向量,并设置卫星情报数据与训练数据融合模型,计算同一时间同一坐标处融合后的数据特征向量,完成数据融合,设置融合后数据的压缩模型,对所述融合后的数据特征向量进行数据压缩,生成压缩后的数据特征向量,并通过终端进行传输及操作;设置数据能效评估模型,计算所述终端对压缩后的数据特征向量进行传输及操作时的数据能效评估指数,当所述数据能效评估指数超过预设阈值时,对所述卫星情报数据与训练数据融合模型和所述数据能效评估模型进行调整。
-
公开(公告)号:CN118608720A
公开(公告)日:2024-09-06
申请号:CN202410222927.3
申请日:2024-02-28
申请人: 武昌首义学院 , 成都国恒空间技术工程股份有限公司 , 中科卫创(西安)信息技术有限公司 , 箐云智图(苏州)科技有限公司
摘要: 本发明公开一种基于卫星数据的高精度三维仿真增强方法及系统,该方法包括:获取卫星影像数据,所述卫星影像数据包括:卫星遥感图像数据和/或激光雷达数据,提取所述卫星遥感图像数据的地表特征和所述激光雷达数据的地形特征;通过地理信息系统GIS,将所述地表特征和所述地形特征集成到地理空间数据库中,并创建空间三维模型,对所述空间三维模型进行三维渲染,生成渲染后的空间三维模型;将渲染后的所述空间三维模型通过VR进行展现,并且实时获取所述卫星影像数据,从而对渲染后的所述空间三维模型进行更新。
-
公开(公告)号:CN117788963A
公开(公告)日:2024-03-29
申请号:CN202410213864.5
申请日:2024-02-27
申请人: 中科卫创(西安)信息技术有限公司 , 武昌首义学院 , 箐云智图(苏州)科技有限公司
IPC分类号: G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/73 , G06V10/40 , G06V10/82
摘要: 本发明公开一种基于深度学习的遥感影像数据管理方法及系统,该方法包括:获取影像图像,将所述影像图像按照多个尺寸划分为具有多个尺度的影像图像,并输入到卷积神经网络中;设置影像特征提取模型,根据每个尺度上每个坐标处的像素值,提取每个坐标处的影像特征值,其中,在所述影像特征提取模型中设置注意力权重,从而为影像图像的各个区域分配各自的注意力权重;根据预设的特征分类标签,为提取到的每个所述影像特征值进行标签标注,从而完成影像特征分类。
-
公开(公告)号:CN117788963B
公开(公告)日:2024-07-05
申请号:CN202410213864.5
申请日:2024-02-27
申请人: 中科卫创(西安)信息技术有限公司 , 武昌首义学院 , 箐云智图(苏州)科技有限公司
IPC分类号: G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T7/73 , G06V10/40 , G06V10/82
摘要: 本发明公开一种基于深度学习的遥感影像数据管理方法及系统,该方法包括:获取影像图像,将所述影像图像按照多个尺寸划分为具有多个尺度的影像图像,并输入到卷积神经网络中;设置影像特征提取模型,根据每个尺度上每个坐标处的像素值,提取每个坐标处的影像特征值,其中,在所述影像特征提取模型中设置注意力权重,从而为影像图像的各个区域分配各自的注意力权重;根据预设的特征分类标签,为提取到的每个所述影像特征值进行标签标注,从而完成影像特征分类。
-
-
-
-