- Part Number Configuration Voltage Clock Rate / Access time Package Temperature SCD#
-
暫無記錄
航宇微人工智能算法開發(fā)主要面向衛(wèi)星、無人機影像解譯,以及視頻圖像處理,目前已開發(fā)數十種應用算法,可廣泛應用于智慧城市建設、城市綜合治理、環(huán)境保護、農業(yè)估產、災害理賠等領域。
n 高分辨率影像地物分類的深度學習算法
l 地物分類
我們以Indian Pines、 Pavia University、 Kennedy Space Center等公開數據集為研究對象,開發(fā)了面向高光譜地物分類的OBT模型。該模型借鑒了密集連接(DenseBlock)網絡的思想,每一層的輸出作為輸入連接到后面所有的卷積層,同時這種方法也不需要學習冗余的特征圖,減少了參數量。
高光譜地物分類
l 道路提取:應用于交通路網統(tǒng)計、更新,城市規(guī)劃等
道路提取結果
l 建筑物提?。?/font>
可應用于城市規(guī)劃、違建執(zhí)法、建筑統(tǒng)計等領域。也可以結合識別其他的地物,如植被的識別,判斷城市區(qū)域或小區(qū)的綠化率。
建筑物提取結果
l 農田水淹區(qū)提取:災后定損、保險理賠
l 田塊提?。恨r業(yè)統(tǒng)計
l 農業(yè)大棚提?。恨r業(yè)估產、統(tǒng)計
農業(yè)大棚提取
l 海水網箱養(yǎng)殖區(qū)提?。簼O業(yè)估產、執(zhí)法
l 大型船舶檢測
遙感影像船舶檢測(OBT-02)
n 監(jiān)控視頻分類的深度學習算法
l 城市積水檢測
l 河道漂浮物檢測
通過基于沿河攝像頭的河道漂浮物的定位與跟蹤溯源,可以在河道治理、河道巡檢、生態(tài)環(huán)保、城市管理方面發(fā)揮重要作用。
針對河道漂浮物小目標的問題,采用了Focal Loss結合One-Stage和3D卷積網絡模型,通過Focal Loss減少易分類樣本的損失,從而平衡正負樣本比例,使正樣本在訓練中的關鍵信息能夠發(fā)揮作用,從而提高小目標的檢測精度。
l 車牌識別與跟蹤
通過基于城市監(jiān)控攝像頭的車牌識別與跟蹤,可以實施對渣土車等危險駕駛、違規(guī)駕駛行為的自動檢測與識別,提高城市交通安全。
l 手勢及體態(tài)識別