一种类别无关的遥感地物矢量拓扑结构提取方法

    公开(公告)号:CN115830179A

    公开(公告)日:2023-03-21

    申请号:CN202211706712.6

    申请日:2022-12-29

    Applicant: 武汉大学

    Abstract: 本发明公开了一种类别无关的遥感地物矢量拓扑结构提取方法,包括:步骤1,建立训练集样本库;步骤2,构建与类别无关的遥感地物矢量拓扑结构提取模型,TopDiG模型,所述TopDiG模型通过卷积网络提取地物的低层次拓扑特征,生成预测结点和视觉描述子,然后采用动态标签监督策略,根据预测结点动态地生成邻接图标签,最后基于Transformer的有向邻接图生成器预测地物拓扑结构;步骤3,设计多任务约束的损失函数,对步骤2中的TopDiG模型进行训练;步骤4,利用训练好的TopDiG模型对影像预测库进行遥感地物提取,即可得到遥感影像目标地物矢量拓扑结构。本方法可以直接从输入影像中得到地物矢量拓扑结构,避免了栅格转矢量过程的信息损失与复杂计算。

    一种基于视觉参考提示的多模态遥感目标分割方法和系统

    公开(公告)号:CN118570221A

    公开(公告)日:2024-08-30

    申请号:CN202410603184.4

    申请日:2024-05-15

    Applicant: 武汉大学

    Inventor: 张觅 佘可

    Abstract: 本发明公开了一种基于视觉参考提示的多模态遥感目标分割方法和系统,属于图像分割领域。本发明采用了视觉‑语言大模型来构建目标分割网络模型,并针对遥感影像背景杂乱、内容复杂等问题设计了遥感场景知识嵌入模块,增强了模型对于地物上下文关系的理解,得到场景知识嵌入的图像特征。再利用提取的视觉特征和语言指令构建视觉参考提示,最后利用基于大语言模型的解码器进行推理,得到准确的目标分割结果。本发明通过引入遥感场景知识,使得模型需要通过图像特征、场景知识、查询表达三元组进行对图像的全面理解,从而排除复杂背景的干扰,准确地分割出所指示的地物。

Patent Agency Ranking