“胡翔云”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果40个，建议您升级VIP下载更多相关专利

[发明专利]基于对偶相关注意力的对象级遥感变化检测方法及系统-CN202110692812.7有效
发明人： 胡翔云;张琳;张觅 -专利权人：武汉大学
申请日： 2021-06-22 - 公布日： 2023-09-01 - 主分类号： G06V20/10 文献下载
摘要：本发明提供一种基于对偶相关注意力的对象级遥感变化检测方法及系统，进行用于变化检测的数据增强，生成双输入流；设置共享权重的骨干网络用于接收双输入流，提取双时相影像的不同尺度特征；设置对偶相关注意力引导的特征融合颈，关注同尺度的双时相特征在空间层次与通道层次的相关性，来获取细化的差异特征，并设置细化路径聚合金字塔模块对不同尺度层间的特征进行融合；最后将不同尺度的差异特征送入变化检测头，以边界框的形式预测变化地物的位置、大小和变化置信度。本发明专用于变化检测的数据增强方法可以加快模型训练与提升模型性能，经对偶相关注意力机制引导，能有效抵抗影像对中的伪变化干扰，具有较高准确性和鲁棒性。
基于对偶相关注意力对象遥感变化检测方法系统

[发明专利]一种增强Sentinel-1 SAR影像水体提取效果的伪彩色特征提取方法-CN202310384436.4在审
发明人：张齐;胡翔云 -专利权人：武汉大学
申请日： 2023-04-11 - 公布日： 2023-08-08 - 主分类号： G06T7/80 文献下载
摘要：本发明公开了一种增强Sentinel‑1SAR影像水体提取效果的伪彩色特征提取方法。本发明考虑到当前SAR影像水体提取方法中对SAR影像色彩特征的挖掘和利用不充分，因此通过伪彩色合成和色彩特征构造来自动化提取Sentinel‑1SAR影像的色彩特征，以有效区分SAR影像中的水体与非水体，进而用于提升Sentinel‑1SAR水体提取的精度和可靠性。本发明的优点在于提出的方法无需人工干预，能够实现Sentinel‑1SAR影像色彩信息的自动化提取。本发明提出的方法计算效率快、自动化程度高，可操作性强，不仅易于实现而且整个模型的可扩展性强。因此，本发明具有很高的实用价值。
一种增强 sentinel sar 影像水体提取效果彩色特征方法

[发明专利]一种遥感影像变化检测方法及装置-CN202011013159.9有效
发明人：周浩;张觅;胡翔云;饶友琢;胡平;花卉;刘沁雯;王有年 -专利权人：武汉汉达瑞科技有限公司
申请日： 2020-09-23 - 公布日： 2023-07-11 - 主分类号： G06V20/10 文献下载
摘要：本发明实例提供了一种遥感影像变化检测的方法及装置，方法包括：基于训练后的深度卷积神经网络，预测两期影像发生变化的区域，所述深度卷积神经网络是对已标注真实变化区域的高分辨率遥感影像进行有监督训练得到的。本发明实例提供的遥感影像变化检测的方法及装置，对不同时期相同地点成像的影像对预测发生变化的区域效果较好，且本发明对于相同季度的影像对和不同季度的影像对在预测变化区域时没有差别，在训练时是同等对待的，显著提高了变化检测的精度和召回率。
一种遥感影像变化检测方法装置

[发明专利]一种遥感影像中建筑物变化检测的方法及装置-CN202010044591.8有效
发明人：姜慧伟;胡翔云;李晓凯;邓凯;王有年 -专利权人：武汉汉达瑞科技有限公司
申请日： 2020-01-16 - 公布日： 2023-07-11 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种遥感影像中建筑物变化检测的方法及装置，首先读取两个时期原始遥感影像数据，利用z‑score标准化算法对所述遥感影像数据进行标准化处理；然后构建编码‑解码深度孪生神经网络结构，对两个时期的所述遥感影像数据进行变化特征检测；所述编码‑解码深度孪生神经网络结构包括共享权重的两个分支编码网络、互相关注意力网络、变化差分网络以及金字塔解码网络。本发明实现了基于注意力机制的深度孪生网络在正射影像中实现建筑物自动变化检测。
一种遥感影像建筑物变化检测方法装置

[发明专利]一种基于变分辨率体素格网与稀疏卷积的点云滤波方法-CN202010396259.8有效
发明人： 胡翔云;秦楠楠;孙健;代恒铭 -专利权人：武汉慧点云图信息技术有限公司
申请日： 2020-05-12 - 公布日： 2023-05-09 - 主分类号： G06T5/00 文献下载
摘要：本发明提出了一种基于变分辨率体素格网与稀疏卷积的点云滤波方法及装置。包括：获取原始点云，将原始点云分割成点云块；建立点云分辨率压缩算法，根据点云分辨率压缩算法对该点云块进行环形压缩变换，获取压缩后的点云块，根据本地转化规则，将压缩后的点云块转化为变分辨率体素格网；通过子流型稀疏卷积搭建三维语义分割网络，利用三维语义分割网络对变分辨率体素格网进行特征抽取以及密集分类。本发明通过利用变分辨率体素格网与稀疏卷积来实现点云滤波，能够保证中心区具有较高分辨率的同时覆盖更多的空间上下文信息，增强了滤波模型处理复杂场景的鲁棒性，同时能够处理更大尺寸的体素格网输入以及采用更大规模的基础网络，提升了滤波精度。
一种基于分辨率体素格网稀疏卷积滤波方法

[发明专利]建筑物矢量多边形的提取方法、系统、服务器及存储介质-CN202110353471.0有效
发明人：舒震;胡翔云;张觅;李小凯;饶友琢;刘沁雯;花卉;王慧慧;王有年 -专利权人：武汉汉达瑞科技有限公司
申请日： 2021-03-31 - 公布日： 2022-11-29 - 主分类号： G06T7/13 文献下载
摘要：本发明涉及一种建筑物矢量多边形的提取方法、系统、服务器及存储介质，本发明通过使用地图图像的全局关键点对建筑物关键点进行优化，并通过对优化后的关键点进行角度划分，得到优化后的关键点的前向方向及向后方向，从而得到建筑物的矢量多边形，解决了现有技术中建筑物轮廓矢量提取结果不准确的技术问题，达到了准确提取建筑物轮廓的技术效果，提高了提取结果的边缘准确程度。
建筑物矢量多边形提取方法系统服务器存储介质

[发明专利]一种复杂场景建筑物变化检测的联合超像素图割优化方法-CN201811639313.6有效
发明人：庞世燕;胡翔云;张觅;左志奇 -专利权人：武汉大学
申请日： 2018-12-29 - 公布日： 2022-09-27 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种复杂场景建筑物变化检测的联合超像素图割优化方法，包括：步骤1、获取两个不同时期的数字表面模型进行格网化处理，融合后对它们实现联合分割，获得联合超像素对象；步骤2、分别对两个时期的原始影像数据，采用基于深度卷积神经网络的语义分割算法实现图像分类，检测出影像中的建筑物；步骤3、以联合超像素对象为处理单元，提取联合超像素对象的多个特征，构建图割优化的数据项和平滑项，并采用最大流最小割理论得到全局最优化解，得到两个时期建筑物的变化对象；步骤4、将建筑物的变化类型进行分类，包括：新建、增高、拆除、降低。本发明的方法能够显著提高建筑物变化检测的精度和可靠性。
一种复杂场景建筑物变化检测联合像素优化方法

[发明专利]基于机载建筑物LiDAR点云的立面线自动提取方法及设备-CN202210379641.7在审
发明人：徐景中;周志宇;胡翔云;饶宸 -专利权人：武汉大学
申请日： 2022-04-12 - 公布日： 2022-07-12 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种基于机载建筑物LiDAR点云的立面线自动提取方法及设备。所述方法包括：步骤1，针对建筑物LiDAR点云进行单体化分割，得到每栋建筑物点云；步骤2，根据步骤1得到的每栋建筑物点云，利用法向约束的平面分割方法提取建筑物立面点；步骤3，根据步骤2得到的建筑物立面点，进行水平投影和直线拟合得到立面线，将立面线进行两两相交处理，采用最小环搜索方法提取立面网格；步骤4，对步骤3得到的立面网格，联合建筑物点云分布特点，完成有效立面线段的提取。本发明可自动提取多层建筑物的立面线，没有外业测量工作，有效提高了工作效率，与人工测量手段相比提高了量测精度。
基于机载建筑物 lidar 立面线自动提取方法设备

[发明专利]基于密集连接和几何结构约束的遥感影像变化检测方法-CN202010005721.7有效
发明人：张觅;胡翔云;周浩;荣子豪;吴紫韵;李朋龙 -专利权人：武汉大学
申请日： 2020-01-03 - 公布日： 2022-06-14 - 主分类号： G06V20/13 文献下载
摘要：本发明提供一种基于密集连接和几何结构约束的遥感影像变化检测方法，对前后期变化检测输入影像做预处理，包括计算影像归一化参数，进行前后期影像归一化和后期影像颜色校正；进行DCGC‑CD模型训练和测试，实现对前后期遥感影像进行变化区域信息提取；所述DCGC‑CD模型包括前后期变化特征差分编码模块和多分支几何结构约束解码模块，所述前后期影像变化特征差分编码模块包括针对输入前期影像的分支和针对输入后期影像的分支；所述多分支几何结构约束解码模块包括三个分支，分支一用于前期边缘预测，分支二用于变化区域预测，分支三用于后期边缘预测，分支一和分支三的结构和分支二的结构通过损失函数相互作用，实现通过几何结构信息有效约束最终变化检测结果。
基于密集连接几何结构约束遥感影像变化检测方法

[实用新型]一种交替蠕动脚蹬爬杆装置-CN202122093568.0有效
发明人：朱志强;熊艳红;胡翔云;龙涛;刘辉 -专利权人：湖北职业技术学院
申请日： 2021-09-03 - 公布日： 2022-02-08 - 主分类号： A63B27/02 文献下载
摘要：本实用新型涉及一种交替蠕动脚蹬爬杆装置，其本体由上单向滑块、下单向滑块、动力传动装置和攀爬杆组成，其特征是所述的上单向滑块和下单向滑块的两个对称布置的滚柱通过滚柱支撑架内部的贯通槽在压簧作用下紧贴在攀爬杆上，上单向滑块和下单向滑块的转动销支架分别固结在动力传动装置的上支撑板和下支撑板上，上单向滑块和下单向滑块的转动销支架、滚柱支撑架、压簧、压簧支撑板和动力传动装置的上支撑板、下支撑板均穿套在攀爬杆上。该装置作为一种爬杆运送载体，可携带相关清洗、检修等设备沿杆向上移动，并可在攀爬到一定高度时进行路灯安装、广告张贴等高空作业。
一种交替蠕动脚蹬装置

[发明专利]大幅面遥感影像的深度学习框架模块设计与构建方法-CN202111106138.6在审
发明人：张觅;张国稳;张展;胡翔云;刘军主;张丰伟;滕昊天;杨振章;杨炳楠;李咏;张志力;范翱翔;周桓;曹建 -专利权人：武汉大学;华为技术有限公司
申请日： 2021-09-22 - 公布日： 2021-12-31 - 主分类号： G06K9/00 文献下载
摘要：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。
大幅面遥感影像深度学习框架模块设计构建方法

[发明专利]一种遥感影像建筑物精确分割方法-CN202110140476.5有效
发明人：丁忆;张泽烈;李朋龙;马泽忠;吴目宇;胡翔云;胡艳;肖禾;张觅;李晓龙;王亚林;林熙;焦欢;黄潇莹;彭婧 -专利权人：重庆市地理信息和遥感应用中心;武汉大学
申请日： 2021-02-02 - 公布日： 2021-12-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
一种遥感影像建筑物精确分割方法

[发明专利]大幅遥感影像语义分割分块效应消除方法及系统-CN201910560692.8有效
发明人：张觅;胡翔云;赵丽科;魏域君 -专利权人：武汉大学
申请日： 2019-06-26 - 公布日： 2021-12-03 - 主分类号： G06K9/34 文献下载
摘要：本发明涉及一种大幅遥感影像语义分割分块效应消除方法及系统，该方法利用滑动窗口尺寸、全局融合因子综合计算窗口加权函数，同时顾及卷积神经网络(CNN)在GPU环境下批处理预测的优势，以总批处理大小所处理的影像块为处理单元，对不同步长下的批处理影像进行全局加权融合。利用滑动窗口尺寸及融合因子，消除扩充边界，从而获取最终融合结果，消除大幅遥感影像语义分割分块效应。
大幅遥感影像语义分割分块效应消除方法系统

[发明专利]基于变分辨率体素格网的机载激光点云处理方法-CN202010085191.1有效
发明人： 胡翔云;张津铭;秦楠楠 -专利权人：武汉大学
申请日： 2020-02-10 - 公布日： 2021-11-02 - 主分类号： G06T3/40 文献下载
摘要：本发明涉及基于变分辨率体素格网的机载激光点云处理方法及应用。首先，本发明的变分辨率点云压缩算法能够将原始激光点云压缩为变分辨率点云，基于该变分辨率点云规则格网化得到的变分辨率体素格网既能覆盖较大的平面范围又能保证中心区具有较高的分辨率，从而能够同时满足不同地形场景的处理对体素格网的平面覆盖范围以及分辨率的不同要求。其次，为了能够处理更大尺寸的体素格网以及采用更大的基础网络结构，本发明基于子流型稀疏卷积搭建了编码‑解码结构的三维语义分割网络。该网络具有较高的数据处理速度以及较小的显存占用。变分辨率体素格网能够灵活的应对不同地形场景，有效提升点云分类模型的鲁棒性。
基于分辨率体素格网机载激光处理方法

[发明专利]基于自适应样本集构造与深度学习的遥感影像解译方法-CN202110140498.1有效
发明人：胡艳;李朋龙;丁忆;胡翔云;马泽忠;肖禾;张觅;张泽烈;荣子豪;李晓龙;罗鼎;陈静;段松江;刘朝晖;曾攀;殷明 -专利权人：重庆市地理信息和遥感应用中心;武汉大学
申请日： 2021-02-02 - 公布日： 2021-10-22 - 主分类号： G06K9/00 文献下载
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。
基于自适应样本构造深度学习遥感影像解译方法

1
2
3
下一页»
尾页
共 40 条