-
公开(公告)号：CN113011427B
公开(公告)日：2022-06-21
申请号：CN202110285256.1
申请日：2021-03-17
申请人： 中南大学 , 重庆市地理信息和遥感应用中心
摘要： 本发明公开了基于自监督对比学习的遥感图像语义分割方法，包括以下步骤：构建语义分割网络模型(如Deeplab v3+)；采用无标注数据对所述网络模型的编码器进行预训练；预训练完成后，在标注样本上对所述网络模型进行有监督语义分割训练；采用有监督语义分割训练完成的网络模型对遥感图像进行语义分割；在预训练的过程中，采用全局风格对比和局部匹配对比结合的方式进行对比学习。本发明将对比自监督学习应用于到了遥感语义分割数据集，提出了全局风格和局部匹配对比学习框架，形成了基于自监督对比学习的遥感图像语义分割方法，使得语义分割方法的适用面更广，分割效果更好。
-
公开(公告)号：CN113159122A
公开(公告)日：2021-07-23
申请号：CN202110280016.2
申请日：2021-03-16
申请人： 重庆市地理信息和遥感应用中心 , 中南大学
IPC分类号： G06K9/62
摘要： 本发明公开了基于社交媒体图像数据的城市风貌分析方法，方法包括：获取社交媒体图像数据；对数据集的样本进行分类和去除噪声；使用卷积神经网络进行风貌学习；对样本不平衡问题进行处理；进行迁移学习；对风貌特征进行聚类；计算城市间的风貌距离；分析城市间的风貌相似性及城市的细粒度风貌。本发明将城市风貌编码为一组向量；解决了社交媒体图像分布的不均衡问题；利用城市风貌向量定义了城市风貌距离，使用该距离能分析出不同城市如何表象出风貌相似和风貌相近的，能分析出风貌距离和地理距离的相关性；使用城市风貌向量为嵌入向量的聚类方法，能够更细致地发现城市细粒度风貌。
-
公开(公告)号：CN113269223B
公开(公告)日：2022-04-22
申请号：CN202110281893.1
申请日：2021-03-16
申请人： 重庆市地理信息和遥感应用中心 , 中南大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN113269223A
公开(公告)日：2021-08-17
申请号：CN202110281893.1
申请日：2021-03-16
申请人： 重庆市地理信息和遥感应用中心 , 中南大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于空间文化模因分析的城市风格分类方法，包括以下步骤：对数据集的样本去除噪声；通过训练神经网络获取风格特征，及每个样本的风格特征向量；利用DPC方法对训练集的风格特征向量进行字典学习，获取到每个城市的字典和稀疏矩阵，通过字典和稀疏矩阵计算城市间的模因距离；计算风格距离、稀疏表示和风格类型，并根据风格距离、风格类型和稀疏表示进行城市文化模因分析，根据字典和模因距离对城市进行风格分类，并将城市间的风格差异进行量化。本发明可定量和准确对城市风格进行准确分类，通过量化不同的模因类型分析风格相似和差异的原因，分析城市街景图片风格的模因线性组合，及不同城市的两张街景图片之间风格相似的原因。
-
公开(公告)号：CN115019123B
公开(公告)日：2023-04-18
申请号：CN202210555496.3
申请日：2022-05-20
申请人： 中南大学 , 重庆市地理信息和遥感应用中心
IPC分类号： G06V10/774 , G06V10/778 , G06V10/82 , G06V10/764 , G06V20/10 , G06V20/70 , G06N3/0455 , G06N3/047 , G06N3/0895 , G06N3/091 , G06N3/096
摘要： 本发明公开了一种遥感图像场景分类的自蒸馏对比学习方法，包括：由结构一样的教师网络和学生网络组成长程依赖捕获主干网络模块；获取遥感图像并将图像进行全局切片、局部切片、尺度对齐及数据增强，得到同一张图像的融入尺度信息的不同版本；将全局切片图像送入教师网络、将全局切片图像和尺度对齐后的局部切片图像共同送入学生网络进行自蒸馏对比学习；获得不同版本的图片表征，再经过softmax将表征转化为概率分布，训练网络使学生网络输出的概率分布尽量匹配教师网络输出的概率分布；采用自蒸馏的方式训练神经网络模型；输出场景分类结果。本发明不依赖标签和负样本，可捕捉RSI的全局语义信息，可学习到RSI的多尺度特征。
-
公开(公告)号：CN113011427A
公开(公告)日：2021-06-22
申请号：CN202110285256.1
申请日：2021-03-17
申请人： 中南大学 , 重庆市地理信息和遥感应用中心
摘要： 本发明公开了基于自监督对比学习的遥感图像语义分割方法，包括以下步骤：构建语义分割网络模型(如Deeplab v3+)；采用无标注数据对所述网络模型的编码器进行预训练；预训练完成后，在标注样本上对所述网络模型进行有监督语义分割训练；采用有监督语义分割训练完成的网络模型对遥感图像进行语义分割；在预训练的过程中，采用全局风格对比和局部匹配对比结合的方式进行对比学习。本发明将对比自监督学习应用于到了遥感语义分割数据集，提出了全局风格和局部匹配对比学习框架，形成了基于自监督对比学习的遥感图像语义分割方法，使得语义分割方法的适用面更广，分割效果更好。
-
公开(公告)号：CN115019123A
公开(公告)日：2022-09-06
申请号：CN202210555496.3
申请日：2022-05-20
申请人： 中南大学 , 重庆市地理信息和遥感应用中心
IPC分类号： G06V10/774 , G06V10/778 , G06V10/82 , G06V10/764 , G06K9/62 , G06V20/10 , G06V20/70 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种遥感图像场景分类的自蒸馏对比学习方法，包括：由结构一样的教师网络和学生网络组成长程依赖捕获主干网络模块；获取遥感图像并将图像进行全局切片、局部切片、尺度对齐及数据增强，得到同一张图像的融入尺度信息的不同版本；将全局切片图像送入教师网络、将全局切片图像和尺度对齐后的局部切片图像共同送入学生网络进行自蒸馏对比学习；获得不同版本的图片表征，再经过softmax将表征转化为概率分布，训练网络使学生网络输出的概率分布尽量匹配教师网络输出的概率分布；采用自蒸馏的方式训练神经网络模型；输出场景分类结果。本发明不依赖标签和负样本，可捕捉RSI的全局语义信息，可学习到RSI的多尺度特征。
-
公开(公告)号：CN113159122B
公开(公告)日：2022-03-15
申请号：CN202110280016.2
申请日：2021-03-16
申请人： 重庆市地理信息和遥感应用中心 , 中南大学
IPC分类号： G06K9/62 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/762
摘要： 本发明公开了基于社交媒体图像数据的城市风貌分析方法，方法包括：获取社交媒体图像数据；对数据集的样本进行分类和去除噪声；使用卷积神经网络进行风貌学习；对样本不平衡问题进行处理；进行迁移学习；对风貌特征进行聚类；计算城市间的风貌距离；分析城市间的风貌相似性及城市的细粒度风貌。本发明将城市风貌编码为一组向量；解决了社交媒体图像分布的不均衡问题；利用城市风貌向量定义了城市风貌距离，使用该距离能分析出不同城市如何表象出风貌相似和风貌相近的，能分析出风貌距离和地理距离的相关性；使用城市风貌向量为嵌入向量的聚类方法，能够更细致地发现城市细粒度风貌。
-
公开(公告)号：CN112883839A
公开(公告)日：2021-06-01
申请号：CN202110140498.1
申请日：2021-02-02
申请人： 重庆市地理信息和遥感应用中心 , 武汉大学
摘要： 本发明公开了一种基于自适应样本集构造与深度学习的遥感影像解译方法，包括步骤：对样本总集进行特征提取，并对提取的特征进行聚类，构建视觉词袋模型的特征词典，得到样本子集；构建基于深度学习网络的解译模型，并先后输入样本总集和聚类的样本子集对解译模型进行训练，分别得到总解译模型和与各样本子集相对应的子解译模型；采用总解译模型以及根据待解译遥感影像的影像特征选取的合适的若干子解译模型，对待解译遥感影像进行自适应解译。其显著效果是：通过聚类的自动化、分布式手段快速建立海量遥感影像的样本库，并利用机器深度学习技术对样本库数据进行训练，获得适应于不同场景的智能解译模型，解译精度高，鲁棒性好。
-
公开(公告)号：CN110348383B
公开(公告)日：2020-07-31
申请号：CN201910625253.0
申请日：2019-07-11
发明人： 丁忆 , 李朋龙 , 胡翔云 , 曾安明 , 张泽烈 , 胡艳 , 徐永书 , 魏域君 , 李晓龙 , 张觅 , 罗鼎 , 陈静 , 郑中 , 刘朝晖 , 王亚林 , 范文武 , 王小攀 , 连蓉 , 林熙 , 谭攀
摘要： 本发明公开了一种基于卷积神经网络回归的道路中心线和双线提取方法，包括如下步骤：利用已训练卷积神经网络，预测出待提取的高分辨率遥感影像的道路中心线距离图和道路宽度图；利用非极小值抑制算法，结合道路中心线距离图提取出道路中心线；根据提取出的道路中心线，结合道路宽度图提取出道路双线；选取道路中心线上的像素点作为初始道路种子点，计算初始道路种子点所在的道路方向，利用道路追踪算法重建道路网络的拓扑结构，输出道路网络提取结果。该方法通过端对端的训练，直接从训练数据中学习到易于分类的特征，不需要任何后处理来提取道路中线和边线，泛化能力更强，道路提取精度高，细小道路提取效果较好。
-
-
-
-
-
-
-
-
-
搜索结果
33 条记录 (耗时 0.057 秒)
