-
公开(公告)号：CN112488025B
公开(公告)日：2022-06-14
申请号：CN202011451412.9
申请日：2020-12-10
申请人： 武汉大学 , 广东南方数码科技股份有限公司
IPC分类号： G06V20/10 , G06V10/26 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于多模态特征融合的双时相遥感影像语义变化检测方法，包括以下几个步骤：步骤A：对多时相遥感影像数据集进行数据增强的预处理；步骤B：构建基于多模态特征融合的卷积神经网络模型，利用数据集训练卷积神经网络，获得训练模型；步骤C：利用训练模型对数据集进行数据清理；步骤D：利用清理后的数据重新训练模型，并对测试数据进行测试得到预测结果；步骤E：变化检测预测结果后处理。本发明提供的基于多模态特征融合的双时相遥感影像语义变化检测方法，可以在检测出变化区域的同时检测出区域变化前后的类别，应用范围更广泛，同时满足端到端处理，不需要人工进行其他处理，便于工程应用。
-
公开(公告)号：CN113378727A
公开(公告)日：2021-09-10
申请号：CN202110665192.8
申请日：2021-06-16
申请人： 武汉大学 , 广东南方数码科技股份有限公司
摘要： 本发明公开了一种基于特征偏差对齐的遥感影像二值变化检测方法，包括：步骤1：构造双时相遥感影像二值变化检测数据集并进行预处理；步骤2：构建基于特征偏差对齐的二值变化检测模型，并给定双时相遥感影像获得变化区域预测结果及变化区域辅助预测图；步骤3：使用真实变化区域标签结果与预测变化区域结果及变化区域辅助预测图分别计算主损失函数和辅助损失函数，根据损失对梯度进行反向传播更新模型，直至损失值收敛时终止训练，保存模型结构及模型权重；步骤4：使用步骤3训练好的模型权重对测试集数据进行预测。本发明可以有效的解决当双时相遥感影像由于多视角拍摄、高层建筑物过多或地形起伏较大等因素引起的变化区域误检现象。
-
公开(公告)号：CN112488025A
公开(公告)日：2021-03-12
申请号：CN202011451412.9
申请日：2020-12-10
申请人： 武汉大学 , 广东南方数码科技股份有限公司
摘要： 本发明公开了一种基于多模态特征融合的双时相遥感影像语义变化检测方法，包括以下几个步骤：步骤A：对多时相遥感影像数据集进行数据增强的预处理；步骤B：构建基于多模态特征融合的卷积神经网络模型，利用数据集训练卷积神经网络，获得训练模型；步骤C：利用训练模型对数据集进行数据清理；步骤D：利用清理后的数据重新训练模型，并对测试数据进行测试得到预测结果；步骤E：变化检测预测结果后处理。本发明提供的基于多模态特征融合的双时相遥感影像语义变化检测方法，可以在检测出变化区域的同时检测出区域变化前后的类别，应用范围更广泛，同时满足端到端处理，不需要人工进行其他处理，便于工程应用。
-
公开(公告)号：CN111461751B
公开(公告)日：2024-03-29
申请号：CN202010254391.5
申请日：2020-04-02
申请人： 武汉大学 , 广东南方数码科技股份有限公司
IPC分类号： G06Q30/018 , G06Q50/16 , G06F21/64
摘要： 本发明提供了一种基于区块链的房产信息链上组织方法、历史状态追溯方法及装置。基于所提出的房产信息组织上链的方法，在保证了链上信息不可篡改的前提下，实现了完整的原始房产信息由各节点本地房产信息数据库存储，房产信息哈希值上链减少链上存储压力。同时所有房产信息上链与追溯验证的请求，均通过区块链技术以相关部门背书实施，保证了房产信息上链的正确性，以及必要的隐私保护。房产信息验证和历史状态追溯基于本发明提出的房产信息链上组织方法，实现了对目标房产进行真实性、完整性地追溯，避免了问题房产隐瞒。
-
公开(公告)号：CN111640159A
公开(公告)日：2020-09-08
申请号：CN202010390580.5
申请日：2020-05-11
申请人： 武汉大学 , 广东南方数码科技股份有限公司
摘要： 本发明公开了一种基于孪生卷积神经网络的遥感影像变化检测方法，涉及遥感领域，主要解决目前常规的变化检测方法泛化性较差的问题；该方法包括以下步骤：获取多时相遥感影像数据，得到掩膜图像，建立遥感影像变化检测数据集，构建孪生卷积神经网络模型，利用数据集训练孪生卷积神经网络，获得训练模型，利用训练模型对待检测的前时相影像和后时相影像进行变化检测，得到初步变化预测结果，将初步变化预测结果的像素的预测值与预先设定的像素阈值进行比较，从而将初步变化预测结果划分为变化区域类别和非变化区域类别，得到变化检测结果。本发明的方法泛化性能更好，同时满足端到端处理，便于工程应用。
-
公开(公告)号：CN112732852B
公开(公告)日：2022-09-13
申请号：CN202011643656.7
申请日：2020-12-31
申请人： 武汉大学 , 广东南方数码科技股份有限公司
摘要： 本发明涉及一种跨平台的时空大数据分布式处理方法及软件，在复用传统的地理信息系统内核的基础上，提出了一种跨平台的时空大数据管理方法，运用Apache Beam模型，对空间数据进行高效的存储，避免了用户在不同的分布式计算平台上分别编写数据管理程序，大大提升了开发效率；提出了一种改进的分布式空间数据并行处理方法，在Apache Beam提供的对非空间数据进行并行处理方法的基础上，兼容了对如插值分析、密度分析等需要同时对多个输入点要素进行处理的空间分析算法的并行化。避免了用户编写自己的空间数据处理算法，并使得需要同时对多个输入点要素进行处理的空间分析算法的并行化成为可能，能够对海量空间数据进行高效的处理和分析。
-
公开(公告)号：CN113378727B
公开(公告)日：2022-04-29
申请号：CN202110665192.8
申请日：2021-06-16
申请人： 武汉大学 , 广东南方数码科技股份有限公司
摘要： 本发明公开了一种基于特征偏差对齐的遥感影像二值变化检测方法，包括：步骤1：构造双时相遥感影像二值变化检测数据集并进行预处理；步骤2：构建基于特征偏差对齐的二值变化检测模型，并给定双时相遥感影像获得变化区域预测结果及变化区域辅助预测图；步骤3：使用真实变化区域标签结果与预测变化区域结果及变化区域辅助预测图分别计算主损失函数和辅助损失函数，根据损失对梯度进行反向传播更新模型，直至损失值收敛时终止训练，保存模型结构及模型权重；步骤4：使用步骤3训练好的模型权重对测试集数据进行预测。本发明可以有效的解决当双时相遥感影像由于多视角拍摄、高层建筑物过多或地形起伏较大等因素引起的变化区域误检现象。
-
公开(公告)号：CN116090541A
公开(公告)日：2023-05-09
申请号：CN202310002001.9
申请日：2023-01-03
申请人： 武汉大学 , 广东南方数码科技股份有限公司
IPC分类号： G06N3/082 , G06N3/0464 , G06N3/045
摘要： 本发明公开了一种基于切片下采样的模型轻量化方法、设备及存储介质。该发明通过特征切片的方式实现模型的下采样操作，紧接着追加一个深度可分离卷积，以提取下采样所得特征映射层的高层语义信息。它可以在明显降低参数量和计算量的情况下保持或者轻微提升模型精度。与现有技术相比，本发明确保了下采样过程中图像特征信息的全量继承，在显著降低模型参数量的情况下可以有效维持模型性能，有助于提升深度学习模型的训练和推理速度，减少设备资源占用和降低功耗。为轻量化深度学习模型的构建提供了新的参考和思路，对于在资源受限的边缘计算设备上部署和应用深度学习模型具有重要意义。
-
公开(公告)号：CN111640159B
公开(公告)日：2022-04-01
申请号：CN202010390580.5
申请日：2020-05-11
申请人： 武汉大学 , 广东南方数码科技股份有限公司
摘要： 本发明公开了一种基于孪生卷积神经网络的遥感影像变化检测方法，涉及遥感领域，主要解决目前常规的变化检测方法泛化性较差的问题；该方法包括以下步骤：获取多时相遥感影像数据，得到掩膜图像，建立遥感影像变化检测数据集，构建孪生卷积神经网络模型，利用数据集训练孪生卷积神经网络，获得训练模型，利用训练模型对待检测的前时相影像和后时相影像进行变化检测，得到初步变化预测结果，将初步变化预测结果的像素的预测值与预先设定的像素阈值进行比较，从而将初步变化预测结果划分为变化区域类别和非变化区域类别，得到变化检测结果。本发明的方法泛化性能更好，同时满足端到端处理，便于工程应用。
-
公开(公告)号：CN113345092A
公开(公告)日：2021-09-03
申请号：CN202110490354.9
申请日：2021-05-06
申请人： 武汉大学 , 广东南方数码科技股份有限公司
摘要： 本发明公开了一种用于实景三维模型的地面模型与非地面模型自动分离方法。本发明通过使用针对面元的距离约束的粒子物理模型，在倒置后的实景三维模型上模拟布料的自由下落，通过质点与实景三维模型的碰撞检测确定布料的最终形态并作为地面模型的近似，通过比较质点与实景三维模型面元的空间关系来局区分地面模型和非地面模型。本发明具备高效率、高鲁棒性、高精度优点，可用于城市、林地、乡村等场景及任意面元密度的实景三维模型的地面模型与非地面模型的分离。
-
-
-
-
-
-
-
-
-
搜索结果
84 条记录 (耗时 0.045 秒)
