公开(公告)号：CN120047721A

公开(公告)日：2025-05-27

申请号：CN202510012475.0

申请日：2025-01-06

Applicant: 河南工程学院

Inventor： 张劳模 ,  李天瑞 ,  李明珍 ,  马颖 ,  刘政达

IPC: G06V10/764 ,  G01N21/17 ,  G01N21/25 ,  G01S13/89 ,  G01S7/41 ,  G06V10/82 ,  G06V10/44 ,  G06V10/42 ,  G06V10/52 ,  G06V10/80 ,  G06V10/762 ,  G06V20/10 ,  G06V20/13 ,  G06V20/17 ,  G06V10/72 ,  G06V10/10 ,  G06V10/774 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0895 ,  G06N5/04 ,  G06N3/098 ,  G06V10/94 ,  G06V10/96 ,  G06N3/0495 ,  G06N3/082 ,  G06N3/096

Abstract: 本发明公开了基于深度学习多模态融合的高分辨率遥感图像精准分类系统及方法，S1：多模态数据预处理与融合优化S1.1：标准化与归一化：对不同模态的遥感数据进行标准化和归一化处理，消除不同模态间因分辨率、光谱范围等差异带来的影响。对于光学图像，可以通过直方图均衡化增强对比度。通过采用了多模态数据的优化预处理、深度融合模型设计、自动化标注与半监督学习、轻量化模型与硬件加速技术、以及增强可解释性的策略，旨在解决现有方法中存在的数据异质性、计算效率、过拟合、标注困难、实时性和可解释性等问题。通过这些优化，系统能够在保持高分类精度的同时，提高计算效率、减少人工干预，并增强模型的透明度和泛化能力，满足实际应用需求。

公开(公告)号：CN120014494A

公开(公告)日：2025-05-16

申请号：CN202510094228.X

申请日：2025-01-21

Applicant: 河南工程学院

Inventor： 张劳模 ,  李博 ,  徐源音 ,  马颖 ,  刘政达

IPC: G06V20/17 ,  G06V10/28 ,  G06V10/26 ,  G06V10/84 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及图像识别技术领域，具体涉及基于深度学习实现遥感影像目标检测方法及系统，包括：获取遥感影像中的确定框和不确定框，以任意一个确定框和不确定框组成一个框对，从所有框对中筛选出若干个保留框对，对每个保留框对中的不确定框进行旋转和缩放操作，获取最终不确定框，根据最终不确定框与确定框之间的差异，获取不确定框的目标概率调整系数，结合目标概率，从所有保留框对中的不确定框中筛选出若干个确定框，以遥感影像中的所有确定框作为遥感影像中的目标检测区域。本发明通过确定框和不确定框的对比分析，对可能存在漏检的不确定框进一步判断，提高了遥感影像中的目标检测的准确性。