-
公开(公告)号：CN119445077A
公开(公告)日：2025-02-14
申请号：CN202411532087.7
申请日：2024-10-30
Applicant: 北京理工大学
IPC: G06V10/25 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种结合多分支解耦头和特征增强的目标检测方法和装置，该方法选择YOLOv5模型作为基准框架设计目标检测网络进行目标检测；目标检测网络包括主干网络、颈部网络和头部模块。首先主干网络采用卷积神经网络对输入图像进行特征提取，获得3个不同层级的特征图；颈部网络对所述3个不同层级的特征图分别进行特征增强后，再进行特征融合，以进一步提取特征；所述特征增强加入空洞卷积处理以扩大感受野；头部模块采用三分支解耦头，将目标检测中的类别预测、预测框定位和置信度计算独立为三个网络分支，对提取的特征进行卷积操作，输出类别预测、预测框定位和置信度计算结果。使用本发明能够提高遥感图像小尺度目标检测精度。
-
公开(公告)号：CN119394224A
公开(公告)日：2025-02-07
申请号：CN202411459898.9
申请日：2024-10-18
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于FPGA的高采样率下回波分段脉冲压缩方法。本发明首先对采样率为124MHz的ADC采样后的信号进行降采样预处理，信号没有发生频谱混叠的前提下采样率降为62MHz，再将1PRT回波信号进行分段距离向脉冲压缩，实现总处理量降低40％，可以显著降低数据计算量，提高运算速度和数据处理效率，节省FPGA逻辑资源。并且采用1000个PRT合成的方法实现短时1s回波脉冲压缩预处理，大幅度降低通信数据率。配合面场景形变监测系统其他组件运行，提高了系统可靠性，确保场景形变监测任务能够顺利进行。
-
公开(公告)号：CN118608882A
公开(公告)日：2024-09-06
申请号：CN202410666552.X
申请日：2024-05-28
Applicant: 北京理工大学
IPC: G06V10/77 , G06N3/096 , G06V20/13 , G06V10/82 , G06V10/764 , G06N3/0455
Abstract: 本发公开了一种面向星载遥感图像变化检测的编码解码特征蒸馏方法,本发明提出了一种结合随机跨时相相关蒸馏、对比聚类表征蒸馏的编码解码特征蒸馏方法。提出的随机跨时相相关蒸馏通过迭代随机选择和双线性插值匹配教师模型和学生模型的编码特征，并通过相关图获取跨时相变化信息，从而引导学生学习定位变化区域的能力。在提出的对比聚类表征蒸馏中，原型对比图用于描述像素级特征分布，统计聚合度用于描述簇级特征分布。通过引导学生综合学习像素级和簇级的特征分布，可以生成更具判别性的解码特征。
-
公开(公告)号：CN118501831A
公开(公告)日：2024-08-16
申请号：CN202410503705.9
申请日：2024-04-25
Applicant: 北京理工大学
Abstract: 本发明提供一种基于散射中心驱动的SAR目标识别方法，包括：构建属性散射中心模型，并获取目标切片图像，初始化属性散射中心模型的参数；根据参数初始化后的属性散射中心模型得到目标散射中心图像，与目标切片图像相加，并通过第一骨干特征提取网络获得第一概率向量，采用交叉熵损失函数计算第一损失值；将目标散射中心图像输入第二骨干特征提取网络，得到第二概率向量，采用交叉熵损失函数计算第二损失值；根据第一损失值和第二损失值得到目标损失函数，重复计算直至目标损失函数收敛，得到目标识别网络；获取待识别的SAR图像，输入至目标识别网络，得到目标识别结果。本发明能够有效提取目标属性散射中心，实现SAR图像目标的稳健识别。
-
公开(公告)号：CN118446258A
公开(公告)日：2024-08-06
申请号：CN202410521900.4
申请日：2024-04-28
Applicant: 北京理工大学
IPC: G06N3/0495 , G06N3/048 , G06N3/0464 , G06N3/06 , G06N3/084
Abstract: 一种全加网络硬件加速方法包括：根据全加网络的第一处理基本块确定第二处理基本块；其中，第一处理基本块至少包括量子化层、第一整数加法子层、逆量子化层和BN层；第二处理基本块包括第二整数加法子层、融合BN层；全加网络包括N个第二处理基本块；N个第二处理基本块中的每一个是对每一个第一处理基本块中的各个层重排序和合并得到的；确定行级流式处理策略，行级流式处理策略包括将第一整数特征图按行划分为二维数据，第二处理基本块中只存储参与运算所必需的行，当前第二处理基本块输出的第二整数特征图是下一级第二处理基本块的输入；基于行级流式处理策略对第二处理基本块中的第二整数加法子层的循环进行优化。
-
Patent Agency Ranking
公开(公告)号：CN118397473A
公开(公告)日：2024-07-26
申请号：CN202410537268.2
申请日：2024-04-30
Applicant: 北京理工大学
Abstract: 本发明提供一种基于显著图引导的SAR图像目标识别方法，包括：根据原始SAR图像生成对应的目标显著图，所述目标显著图含有目标关键信息；基于所述目标显著图提取所述原始SAR图像中的深层特征和浅层特征，并引导所述深层特征和浅层特征进行融合；利用多层空洞卷积对融合后的图像特征进行细化，得到目标特征，通过全连接层对所述目标特征进行类型识别，得到目标识别结果。本发明避免了背景图像中的噪声干扰，提高了目标特征的类内一致性，能够高效、鲁棒性地实现对目标基本特征的挖掘，提高了SAR图像目标识别的精度和效率。
-
公开(公告)号：CN113534071B
公开(公告)日：2024-05-31
申请号：CN202110632582.5
申请日：2021-06-07
Applicant: 北京理工大学
Abstract: 本发明公开了一种星载多通道SAR通道校正实时处理算法，通过分析通道校正因子分块更新对成像质量的影响，确定合适聚焦深度，并生成新的分块更新的通道校正因子，进行方位通道校正；本发明解决了在卫星载荷重量、功耗受限的情况下，传统方法所需存储量大，无法满足星上实时处理的问题，弥补了现有技术的不足。
-
公开(公告)号：CN117473922A
公开(公告)日：2024-01-30
申请号：CN202311068339.0
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06F30/337 , G06F30/327 , G06F115/06 , G06F119/02
Abstract: 本发明公开了一种基于HITS的通用电路部分冗余加固方法和系统，所述方法包括：依据节点之间的连接关系生成节点关系矩阵；对所述节点关系矩阵进行HITS迭代，以获得所述节点的HITS值；基于所述HITS值，对所述节点进行降序排序，选取前第一数目个节点，作为待加固节点；所述第一数目是由最终确定的加固比例确定的；对所述待加固节点进行部分三模冗余加固。通过本发明的技术方案，能够在高可靠性要求下有效降低额外的资源开销。
-
公开(公告)号：CN117274701A
公开(公告)日：2023-12-22
申请号：CN202311255349.5
申请日：2023-09-26
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于原型对比学习的跨域遥感图像分类方法，包括：构建域适应网络，在目标域上对自编码器进行无标注的自监督预训练，得到自编码器模型参数；将自编码器模型参数加载到自编码器中，将目标域数据输入到所述编码器中，利用伪标签细化策略得到目标域的细化伪标签；利用所述编码器对源域图像进行编码，利用所述自编码器对目标域图像进行掩码图像建模，基于源域的标签和所述目标域的细化伪标签构建源域和目标域的原型库，并利用所述原型对比学习模块对齐源域和目标域的每个类别的原型；以及基于数据构建总体目标损失函数，并优化总体目标损失函数来迭代训练域适应网络。本发明能提高类别的判别能力，提升对于无标注数据目标域的分类精度。
-
公开(公告)号：CN117274700A
公开(公告)日：2023-12-22
申请号：CN202311252965.5
申请日：2023-09-26
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/42 , G06V10/44 , G06V20/70 , G06V10/82 , G06N3/045
Abstract: 本发明公开了一种协同度量的小样本分类方法，包括，基于支持样本和查询样本获取不同粒度的全局空间语义关系和局部空间语义关系；将每个粒度的全局空间语义关系和局部空间语义关系进行融合，获得每个粒度的全局‑局部融合空间语义关系；采用最小和特征集距离度量方法在所述多粒度空间语义关系集上进行协同度量决策，获得预测概率分布；利用标签优化多粒度协同度量模型，获得用于分类的多粒度协同度量模型；将待分类图像输入用于分类的多粒度协同度量模型，获得待分类图像的分类结果。本发明可以有效地捕获潜在的空间判别性语义信息，提高小样本条件下的图像分类性能，解决了在有限样本条件下模型容易出现崩溃和过拟合的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.089 seconds)
