【技术实现步骤摘要】
本专利技术涉及知识库构构建,尤其涉及面向大模型应用的自然资源卫星遥感知识库构建方法。
技术介绍
1、遥感影像目标分类与识别是高分辨率对地观测系统和自动目标识别系统的信息提取和处理的重要组成部分,是遥感领域的研究热点和难点,在智能交通、智慧城市、目标动态监测与定位等应用中起到了非常重要的作用。遥感影像目标分类与识别致力于提高算法处理的精度、智能化水平、实时性和处理效率。随着遥感影像训练数据集的深入研究,影像目标识别的准确率和识别效率得到了大幅提高。
2、然而,遥感影像目标识别与遥感影像认知之间存在语义鸿沟问题。遥感影像的目标识别与分类本质上是利用机器学习、深度学习等方法实现对遥感影像的感知,例如基于带标注的遥感影像数据集训练出的深度学习模型快速识别出目标影像中的“飞机”、“舰船”等目标分类,但由于相关目标语义信息的缺失,若要实现对遥感影像目标的进一步“认知”则非常困难。
3、遥感影像知识主要用来填补图像低层信息的语义缺失问题,相关领域的研究人员围绕遥感影像知识的概念、分类和应用进行了大量的研究。对遥感影像知识,不同
...【技术保护点】
1.面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:所述方法包括如下步骤:
2.根据权利要求1所述的面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:步骤1的具体过程为:选择Landsat、Sentinel系列卫星的遥感数据,将遥感数据进行辐射校正、大气校正或者几何校正消除干扰因素,保证数据的一致性和可用性。
3.根据权利要求1所述的面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:步骤2的具体过程为:使用U-Net模型进行提取遥感图像的纹理、形状特征和语义数据,同时通过LabelMe工具自动对遥感图像若干边形标
...【技术特征摘要】
1.面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:所述方法包括如下步骤:
2.根据权利要求1所述的面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:步骤1的具体过程为:选择landsat、sentinel系列卫星的遥感数据,将遥感数据进行辐射校正、大气校正或者几何校正消除干扰因素,保证数据的一致性和可用性。
3.根据权利要求1所述的面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:步骤2的具体过程为:使用u-net模型进行提取遥感图像的纹理、形状特征和语义数据,同时通过labelme工具自动对遥感图像若干边形标注,生成json文件,标注时,根据图像尚事物的类别进行框定,然后对框定的图形进行语义注释,同时语义对应相应的目标,每个目标都可以进行分割,同时还进行点标注。
4.根据权利要求1所述的面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:步骤3的具体过程为:把遥感图像特征和标注数据进行语义识别,然后在互联网查询与相同或者相近的词语,把查询的相近或者相同的词语进行汇总,同事根据语义进行分类,每个特征的语义对应相应的标注数据,建设映射表,一个特征对应一个或者一个以上的标注数据,同时根据所使用的场景代表的标注的数据的语义意思。
5.根据权利要求1所述的面向大模型应用的自然资源卫星遥感知识库构建方法,其特征在于:步骤4的具体过程为:根据每个特征的意思,进行反向描述出遥感图像内容,从语义意思生成遥感图像,实现一个反向的图像生成,在反向描绘中,直接调用遥感卫星最小图像单元,然后再将图像单元进行结合得到遥感图像,实现遥感图像的扩增,同时在将图像单元合并后,根据使用的场景进行上色。
6.根据权利要求1所述的面向大模型应用...
【专利技术属性】
技术研发人员:罗恒,吴慧,雷江涛,李彬,杨晓立,经纬明,
申请(专利权)人:广西壮族自治区自然资源遥感院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。