-
公开(公告)号：CN113378731A
公开(公告)日：2021-09-10
申请号：CN202110670431.9
申请日：2021-06-17
Applicant: 武汉大学
Abstract: 本发明提供一种基于卷积神经网络和边缘约束能量优化的端到端的绿地水系矢量提取方法，设计适用于遥感影像的绿地水系提取网络架构。该架构包括遥感影像上下文特征抽取与融合，实现待处理区域影像基础特征抽取；在抽取丰富特征的基础上，结合卷积层和上采样层，并采用端到端的以能量优化迭代的方式，得到较精细且平滑的绿地水系边缘；最终使用全连接层或图卷积层微调至精细的绿地水系边缘。另外，本发明采用两种损失交叉熵和Dice损失用于绿地水系的语义识别，并在全卷积网络端和边缘能量约束优化端对识别结果进行约束，以及提出多层坐标点匹配损失函数实现对轮廓点的约束，使得模型能够让预测的结点更好地接近真值轮廓点。
-
公开(公告)号：CN113869172B
公开(公告)日：2024-10-15
申请号：CN202111106138.6
申请日：2021-09-22
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
公开(公告)号：CN113378731B
公开(公告)日：2022-04-15
申请号：CN202110670431.9
申请日：2021-06-17
Applicant: 武汉大学
Abstract: 本发明提供一种基于卷积神经网络和边缘约束能量优化的端到端的绿地水系矢量提取方法，设计适用于遥感影像的绿地水系提取网络架构。该架构包括遥感影像上下文特征抽取与融合，实现待处理区域影像基础特征抽取；在抽取丰富特征的基础上，结合卷积层和上采样层，并采用端到端的以能量优化迭代的方式，得到较精细且平滑的绿地水系边缘；最终使用全连接层或图卷积层微调至精细的绿地水系边缘。另外，本发明采用两种损失交叉熵和Dice损失用于绿地水系的语义识别，并在全卷积网络端和边缘能量约束优化端对识别结果进行约束，以及提出多层坐标点匹配损失函数实现对轮廓点的约束，使得模型能够让预测的结点更好地接近真值轮廓点。
-
公开(公告)号：CN113869172A
公开(公告)日：2021-12-31
申请号：CN202111106138.6
申请日：2021-09-22
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性，具备大幅面遥感影像的智能解译能力，具体流程为：输入的智能处理模型，经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力，转换后的模型使用影像数据训练后，最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块，用于将输入的大幅面影像经数据增强，沿H/W维度切分，下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后，使框架具备大幅面遥感影像训练和推理的能力。
-
-
-
Search Results
4
records
(took 0.022 seconds)
