-
公开(公告)号：CN118537433A
公开(公告)日：2024-08-23
申请号：CN202410995456.X
申请日：2024-07-24
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06T11/00 , G06T11/60 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V10/86 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/048
摘要： 本发明公开了一种基于多模态大模型的自然保护地和林业遥感图像生成方法，包括构造第一遥感数据集Dc和第二遥感数据集Ds；构造风格迁移网络；构造总损失L，冻结风格迁移网络中第一CLIP图像编码器、第二CLIP图像编码器的权重，用Dc、Ds以最小化L训练风格迁移网络，得到第一风格迁移模型M1；基于M1构造第二风格迁移模型M2，生成最终风格迁移图像。本发明能有效地利用CLIP模型的跨模态学习能力，利用文本生成图像以及将目标风格图的风格特征融合到生成图像中，保证风格的一致性和图像质量，从而优化来了图像内容和风格一致性，确保输出图像在视觉和内容上的高度协调。使管理者能更精准地分析和理解自然保护地和林业区域的动态变化。
-
公开(公告)号：CN118366060B
公开(公告)日：2024-08-20
申请号：CN202410796887.3
申请日：2024-06-20
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06V20/13 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于SETR的自然保护区遥感影像输电线路精细提取方法，涉及图像识别技术领域，包括构造数据集；用SETR网络对遥感图片进行类别预测，得到预测标签图；定义数个一阶卷积核、二阶卷积核及对应的计算公式、边缘强度的计算公式；构造边缘对齐损失、曲率损失、第t轮次训练的总损失函数，设置训练策略并训练SETR网络。本发明根据输电线路的使用场景和形状特点，结合边缘对齐损失、曲率损失平滑轮廓，能准确将输电线路与背景区分开、使用一阶、二阶梯度卷积核实现对于斜向或曲线边缘的检测，并使用动态调整损失权重策略，有效地平衡模型对基础任务和细节优化的学习需求，最终提高输电线路的识别准确度和可靠性。
-
公开(公告)号：CN118230202B
公开(公告)日：2024-08-06
申请号：CN202410653415.2
申请日：2024-05-24
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06V20/17 , G06V10/40 , G06V10/774 , G06V10/764
摘要： 本发明公开了一种基于深度学习的森林火灾检测方法，包括步骤：获取野外的火灾烟雾数据集；构造一多层感受野模块；在SPPF模块中融入GAM注意力机制，得到GAM‑SPPF模块；构造一森林火灾检测网络YOLOv5‑MLG；用火灾烟雾数据集训练YOLOv5‑MLG至收敛，得到火灾检测模型；用于待识别的火灾烟雾图像的识别。本发明通过多层感受野模块和全局注意力机制模块，实现了对图像中丰富而复杂特征信息的高效捕获和处理。这一进步不仅提高了火灾检测的精度，还为模型赋予了更好的泛化能力，使其在多变的环境中仍能保持高水准的性能。这些优势使得该发明在森林火灾监测和预警系统中具有重要的应用前景，有助于保护森林资源并减少火灾带来的损失。
-
公开(公告)号：CN118537433B
公开(公告)日：2024-09-27
申请号：CN202410995456.X
申请日：2024-07-24
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06T11/00 , G06T11/60 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06V10/86 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/048
摘要： 本发明公开了一种基于多模态大模型的自然保护地和林业遥感图像生成方法，包括构造第一遥感数据集Dc和第二遥感数据集Ds；构造风格迁移网络；构造总损失L，冻结风格迁移网络中第一CLIP图像编码器、第二CLIP图像编码器的权重，用Dc、Ds以最小化L训练风格迁移网络，得到第一风格迁移模型M1；基于M1构造第二风格迁移模型M2，生成最终风格迁移图像。本发明能有效地利用CLIP模型的跨模态学习能力，利用文本生成图像以及将目标风格图的风格特征融合到生成图像中，保证风格的一致性和图像质量，从而优化来了图像内容和风格一致性，确保输出图像在视觉和内容上的高度协调。使管理者能更精准地分析和理解自然保护地和林业区域的动态变化。
-
公开(公告)号：CN118298316B
公开(公告)日：2024-08-06
申请号：CN202410719701.4
申请日：2024-06-05
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/764
摘要： 本发明公开了一种基于时空分析模型的自然保护地变化检测方法，包括获取遥感数据集X1、遥感变化检测数据集X2；构造并用X1训练第一基础模型得到M1；基于M1构造第二基础模型及损失函数；用X2训练得到时空分析模型，用于变化区域预测图预测。本发明通过预训练第一基础模型，缓解后续整体模型从头训练的压力。在第二基础模型中增加时间信息交叉层，增强对时间序列数据的解析能力，在处理复杂的自然景观时能够细致捕捉到变化的踪迹，更好地捕捉和理解遥感图像数据随时间变化的动态特性。引入一竞争机制，使生成的变化区域预测图在整体结构和细节上都更加接近真实情况，著提升变化区域检测的精确度和实用性。
-
公开(公告)号：CN118366060A
公开(公告)日：2024-07-19
申请号：CN202410796887.3
申请日：2024-06-20
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06V20/13 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于SETR的自然保护区遥感影像输电线路精细提取方法，涉及图像识别技术领域，包括构造数据集；用SETR网络对遥感图片进行类别预测，得到预测标签图；定义数个一阶卷积核、二阶卷积核及对应的计算公式、边缘强度的计算公式；构造边缘对齐损失、曲率损失、第t轮次训练的总损失函数，设置训练策略并训练SETR网络。本发明根据输电线路的使用场景和形状特点，结合边缘对齐损失、曲率损失平滑轮廓，能准确将输电线路与背景区分开、使用一阶、二阶梯度卷积核实现对于斜向或曲线边缘的检测，并使用动态调整损失权重策略，有效地平衡模型对基础任务和细节优化的学习需求，最终提高输电线路的识别准确度和可靠性。
-
公开(公告)号：CN118298316A
公开(公告)日：2024-07-05
申请号：CN202410719701.4
申请日：2024-06-05
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/764
摘要： 本发明公开了一种基于时空分析模型的自然保护地变化检测方法，包括获取遥感数据集X1、遥感变化检测数据集X2；构造并用X1训练第一基础模型得到M1；基于M1构造第二基础模型及损失函数；用X2训练得到时空分析模型，用于变化区域预测图预测。本发明通过预训练第一基础模型，缓解后续整体模型从头训练的压力。在第二基础模型中增加时间信息交叉层，增强对时间序列数据的解析能力，在处理复杂的自然景观时能够细致捕捉到变化的踪迹，更好地捕捉和理解遥感图像数据随时间变化的动态特性。引入一竞争机制，使生成的变化区域预测图在整体结构和细节上都更加接近真实情况，著提升变化区域检测的精确度和实用性。
-
公开(公告)号：CN118230202A
公开(公告)日：2024-06-21
申请号：CN202410653415.2
申请日：2024-05-24
申请人： 江西啄木蜂科技有限公司
IPC分类号： G06V20/17 , G06V10/40 , G06V10/774 , G06V10/764
摘要： 本发明公开了一种基于深度学习的森林火灾检测方法，包括步骤：获取野外的火灾烟雾数据集；构造一多层感受野模块；在SPPF模块中融入GAM注意力机制，得到GAM‑SPPF模块；构造一森林火灾检测网络YOLOv5‑MLG；用火灾烟雾数据集训练YOLOv5‑MLG至收敛，得到火灾检测模型；用于待识别的火灾烟雾图像的识别。本发明通过多层感受野模块和全局注意力机制模块，实现了对图像中丰富而复杂特征信息的高效捕获和处理。这一进步不仅提高了火灾检测的精度，还为模型赋予了更好的泛化能力，使其在多变的环境中仍能保持高水准的性能。这些优势使得该发明在森林火灾监测和预警系统中具有重要的应用前景，有助于保护森林资源并减少火灾带来的损失。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.028 秒)
