业务和功能介绍
1.客户原本需要对辖区的建筑、道路、耕地、林地和水体进行面积统计，此前使用遥感卫星图片结合ArcGis进行目视解译，人力和时间成本都很高；
2.客户希望借助AI算法进行语义分割自动识别五类地物进行面积统计。
1.多源异构海量遥感影像样本库：根据已有高分辨率卫星影像及配套地理国情监测、国土调查等业务数据，结合深度学习模型训练样本要求，制作辖区范围内的总计约10万张以上的样本库据；
2.地表覆盖要素智能提取模块：利用深度学习模型，以多源异构海量遥感影像样本库为基础，开发地表覆盖要素智能提取模块。可对覆盖辖区全域的影像进行地表覆盖要素自动提取，主要涉及耕地、林地、水体、建筑物、道路五类土地利用类型；
3.多时相遥感影像变化检测模块：开发多时相遥感影像变化检测模块，在深度学习模型训练的基础上，基于分割对象提取两期影像上的光谱、纹理、上下文特征差异，结合语义特征，提取出两期影像的变化之处，并获得两期影像的变化图斑和对应变化矢量。
2.客户希望借助AI算法进行语义分割自动识别五类地物进行面积统计。
1.多源异构海量遥感影像样本库：根据已有高分辨率卫星影像及配套地理国情监测、国土调查等业务数据，结合深度学习模型训练样本要求，制作辖区范围内的总计约10万张以上的样本库据；
2.地表覆盖要素智能提取模块：利用深度学习模型，以多源异构海量遥感影像样本库为基础，开发地表覆盖要素智能提取模块。可对覆盖辖区全域的影像进行地表覆盖要素自动提取，主要涉及耕地、林地、水体、建筑物、道路五类土地利用类型；
3.多时相遥感影像变化检测模块：开发多时相遥感影像变化检测模块，在深度学习模型训练的基础上，基于分割对象提取两期影像上的光谱、纹理、上下文特征差异，结合语义特征，提取出两期影像的变化之处，并获得两期影像的变化图斑和对应变化矢量。
项目实现
1.项目周期1年，由我负责算法研发，另外还有项目经理1人，数据标注人员1人；
2.对已标注的大幅遥感影像和标签进行批量裁剪,筛选其中标注质量比较高的影像和标签,再统计各类别数通过直方图进行类别平衡处理;
3.对已筛选好的影像和标签进行旋转、翻折、颜色对比度等处理扩增数据样本;
4.算法模型整体采用U型结构;
5.为匹配SAM的编码器输入，图像处理为1024*1024大小；
6.编码部分由两个并行编码器组成：基于残差结构网络的编码器和基于SAM大模型的编码器；
7.训练中冻结SAM大模型编码器参数；
8.将SAM大模型编码器输出与U型结构Center部分以及残差结构网络编码器输出连接；
9.使用跳跃连接与特征提取网络的多尺度特征进行融合来缓解降采样全局信息丢失的问题;
10.使用注意力机制对输入的多尺度特征进行空间和通道的注意力模块生成特征权重加权到特征图得到最终生成的特征;
11.对多类地物模型推理的概率矩阵加上背景模拟softmax多分类模式，进行同一维度的阈值比较得到概率值最大的矩阵索引即为当前地物的类别；
12.使用多类地物要素结果融合方式后再对二值掩膜图进行形态学处理、连通域查找和规则化处理使得最终结果更接近真实影像结果。
2.对已标注的大幅遥感影像和标签进行批量裁剪,筛选其中标注质量比较高的影像和标签,再统计各类别数通过直方图进行类别平衡处理;
3.对已筛选好的影像和标签进行旋转、翻折、颜色对比度等处理扩增数据样本;
4.算法模型整体采用U型结构;
5.为匹配SAM的编码器输入，图像处理为1024*1024大小；
6.编码部分由两个并行编码器组成：基于残差结构网络的编码器和基于SAM大模型的编码器；
7.训练中冻结SAM大模型编码器参数；
8.将SAM大模型编码器输出与U型结构Center部分以及残差结构网络编码器输出连接；
9.使用跳跃连接与特征提取网络的多尺度特征进行融合来缓解降采样全局信息丢失的问题;
10.使用注意力机制对输入的多尺度特征进行空间和通道的注意力模块生成特征权重加权到特征图得到最终生成的特征;
11.对多类地物模型推理的概率矩阵加上背景模拟softmax多分类模式，进行同一维度的阈值比较得到概率值最大的矩阵索引即为当前地物的类别；
12.使用多类地物要素结果融合方式后再对二值掩膜图进行形态学处理、连通域查找和规则化处理使得最终结果更接近真实影像结果。
示例图片视频
相似推荐
在线教育课程
运用Java 后端技术（Spring Boot、Spring Cloud、MyBatis）与Vue 前端框架（Element Plus、Vue Router）进行全栈开发，完成功能完善、体验优质的在线教育系统的设计、开发与部署。系统全面涵盖课程管理、视频点播、在线考试、作业提交与批改、师生互动问答、订单支付与管理、学习进度追踪、多角色权限控制、数据统计分析、消息通知推送、用户注册登录与个人中心管理等核心功能模块，采用前后端分离架构，兼顾界面美观性、交互流畅性、系统安全性与运行稳定性，适配不同终端访问，打造一站式高效便捷的线上学习、教学管理与资源共享平台。
超凡VR-驾考攻略
学时在线充值，扫码登录模拟设备，模拟设备练习进度查询，科目一，科目四刷题练习与模拟考试，错题与题目收藏。线上看考场，考场平面图，考试流程，规则，要点等提醒预览。科目二项目的视频讲解。科目三路线在线查看，灯光教学，语音模拟等
toc平台校园app 混合开发 h5与原生交互
随着校园数字化建设的深入，师生对移动端服务的需求日益增长。为了提升校园服务的便捷性与可扩展性，本项目采用H5 + 原生混合开发模式，开发校园类 App。
背景：纯原生开发周期长、跨平台成本高，而纯 H5 体验受限、无法深度调用系统能力。混合开发模式可兼顾开发效率与原生体验，同时便于快速迭代功能。
目标：
实现核心校园服务（如教务查询、校园卡充值、通知推送、门禁扫码等）的 H5 页面开发。
建立稳定的 H5 与原生交互机制，实现跨平台调用摄像头、定位、本地存储、推送等原生能力。
提升用户体验，降低开发与维护成本，支持多端（iOS/Android）统一部署。
AI智能化企业管理平台-VV AI
1.项目介绍：企业微微是专业为企业和组织打造的数字化办公平台。包括：即时通讯(IM)、会议、待办、工作台。其中工作台包括：组织、员工、权限、流程、招聘、入职、转正、调岗、离职、考勤、薪酬、财务、教育等模块。
2.主要负责内容：负责企业主数据的业务功能研发、重构项目中影响效率的功能，包括调用流程重构以及编码重构、review 小组成员的编码、对应功能的流程设计以及数据库建模、IM 的功能研发
3.项目官网：https://www.vvai.com/zh/
职业教育智慧大脑院校中台数据对接-智慧校园数据基座平台软件V1.0
1. 立项背景和目标
为响应教育部关于建设全国职业教育智慧大脑的统一部署，落实职业教育数据治理与上报的规范要求，云南开放大学启动本项目。项目旨在搭建院校中台数据对接体系，解决现有数据上报分散、身份认证不统一、监控能力不足等痛点，实现与教育部智慧大脑平台的标准化、常态化数据对接，提升学校数据治理能力与信息化管理水平，保障核心教育数据安全合规上报与高效流转。
2. 软件功能、核心功能模块介绍
本项目包含三大核心软件与服务模块：
全国职业教育智慧大脑对接监控平台：提供首页概览、工作部署、数据采集、数据审核、异常告警、统计分析、系统管理等 9 大功能模块，实现对教育部要求的 98 张数据表上报情况的可视化监控、数据流向展示与异常自动预警，支撑学校数据上报全流程管理。
统一身份认证平台：升级身份认证中心，支持 CAS、OAuth2.0 等多种协议，实现单点登录（SSO），涵盖身份管理、权限分配、认证审计、安全策略等核心功能，完成与学校 OA、教务、学工等现有业务系统的身份集成，并为新建系统提供标准接入能力。
教育部智慧大脑数据对接服务：包含数据治理、数据整合、数据推送、集成管理、常态化检测、质量监控、运维支撑 7 大服务模块，对学校基础数据与业务数据进行清洗、标准化处理，按照教育部数据字典与数据集规范实时推送，并构建全生命周期的数据治理体系，保障数据质量与上报合规性。
3. 业务流程、功能路径描述
数据上报业务流程：学校业务系统产生原始数据 → 经统一身份认证平台完成身份校验与权限控制 → 数据进入对接监控平台进行采集与预处理 → 数据治理模块完成清洗、校验与标准化 → 推送至教育部智慧大脑平台 → 监控平台实时展示上报状态、异常告警并生成统计报表 → 运维人员通过系统管理模块处理问题并优化流程。
功能路径示例：
数据监控路径：登录系统 → 首页概览 → 数据上报监控 → 选择数据表 → 查看上报详情与异常信息 → 触发数据重推或问题排查。
身份认证路径：用户访问业务系统 → 跳转至统一身份认证平台 → 完成身份验证 → 单点登录至目标系统 → 系统后台记录认证日志与权限审计信息。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服