-
公开(公告)号：CN112764002A
公开(公告)日：2021-05-07
申请号：CN202110015494.0
申请日：2021-01-07
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于可变形卷积的FMCW雷达手势识别方法，通过利用FMCW雷达采集待测手势数据；对待测手势数据进行2D‑FFT处理，得到距离‑多普勒RD图；对距离‑多普勒RD图进行空间维FFT处理，获取角度估计；将距离‑多普勒RD图中的幅值用角度估计替代，生成距离‑速度‑角度信息的RDA图；将RDA图作为输入，利用改进的C3D网络模型，输出得到待测手势的类型；其中，改进的C3D网络模型基于标定的手势类型的雷达数据进行训练得到，其至少一个卷积层包括一路标准卷积结构和一路是可变形卷积残差结构。本方案首先基于雷达数据处理生成RDA)，简洁高效融合手势多维时空特征；同时采用时空可变形卷积，增强了建模能力，改善了手势识别网络的性能。
-
公开(公告)号：CN111861918B
公开(公告)日：2023-09-15
申请号：CN202010677040.5
申请日：2020-07-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于SAR图像的海上溢油检测方法，将待检测SAR图像复制为两份，一份通过滤波处理后直接进行最大熵阈值分割，可以比较容易检测到大面积的溢油；另一份通过滤波处理后，先进行一次对比度增强处理，再进行最大熵阈值分割，可以比较容易检测出细节，避免漏检；之后将二者的处理结果进行融合，得到最终的识别结果图像，以此可以减少虚警，提高准确率；且本方案计算简单、运算时间短，可在在轨平台上进行实时处理。
-
公开(公告)号：CN116486142A
公开(公告)日：2023-07-25
申请号：CN202310293181.0
申请日：2023-03-24
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/764 , G06V10/80 , G06V20/10 , G06V10/82 , G06V10/77
Abstract: 本发明提供了一种基于网络架构搜索的多模态图像土地覆盖类型分类的方法，包括S1、利用特征提取网络对输入的成对光、SAR遥感图像进行特征提取；S2、构建基于SMBO算法的多模态特征融合架构搜索空间，搜索最佳的融合策略；S3、根据所述融合策略对光、SAR特征进行融合，得到土地覆盖类型分类结果。本发明提出了双输入的U型特征提取网络，使网络可以获得更充分的信息用于分类，并考虑到传统人工设计的深度学习特征融合模块难度大且缺乏可解释性，创建了基于SMBO的多模态特征融合架构搜索方法探求不同模态特征间的最佳组合方式，提高光、SAR图像特征融合效率。
-
公开(公告)号：CN115830449A
公开(公告)日：2023-03-21
申请号：CN202211530957.8
申请日：2022-12-01
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种显式轮廓引导和空间变化上下文增强的遥感目标检测方法，通过特征提取网络，得到输入图像的多尺度目标特征图，通过空间变化上下文增强算法将最深层特征图的空间位置信息编码到全局上下文中，得到空间变化上下文卷积核，并结合预设空洞率，得到多尺度上下文感知空间变化加权因子，加权得到空间感知上下文增强目标特征图；通过特征融合网络和轮廓引导特征提取算法，分别得到多尺度目标融合特征图和轮廓感知特征图；结合轮廓引导特征融合算法和多尺度双重注意力机制，得到显式轮廓引导目标检测特征图，并输入到目标框检测头中，得到目标检测结果。本发明能够提升复杂背景下多类目标的检测性能和定位精度。
-
公开(公告)号：CN111680667B
公开(公告)日：2022-06-24
申请号：CN202010666889.2
申请日：2020-07-13
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度神经网络的遥感图像地物分类方法，该方法通过将局部上下文信息和远距离上下文信息整合在特征图当中，整合不同范围的上下文信息可以提高目标分类的准确性，在一定程度上避免由目标类间差异小、类内差异大带来的错误分类，另一方面，在网络中引入了多维度的通道注意力机制，对各个通道间的关系进行了更为充分的建模，增强了网络的表现力，从而能够改善网络分割性能，提升地物分割准确度。
-
Patent Agency Ranking
公开(公告)号：CN111680667A
公开(公告)日：2020-09-18
申请号：CN202010666889.2
申请日：2020-07-13
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度神经网络的遥感图像地物分类方法，该方法通过将局部上下文信息和远距离上下文信息整合在特征图当中，整合不同范围的上下文信息可以提高目标分类的准确性，在一定程度上避免由目标类间差异小、类内差异大带来的错误分类，另一方面，在网络中引入了多维度的通道注意力机制，对各个通道间的关系进行了更为充分的建模，增强了网络的表现力，从而能够改善网络分割性能，提升地物分割准确度。
-
公开(公告)号：CN112764002B
公开(公告)日：2022-09-30
申请号：CN202110015494.0
申请日：2021-01-07
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于可变形卷积的FMCW雷达手势识别方法，通过利用FMCW雷达采集待测手势数据；对待测手势数据进行2D‑FFT处理，得到距离‑多普勒RD图；对距离‑多普勒RD图进行空间维FFT处理，获取角度估计；将距离‑多普勒RD图中的幅值用角度估计替代，生成距离‑速度‑角度信息的RDA图；将RDA图作为输入，利用改进的C3D网络模型，输出得到待测手势的类型；其中，改进的C3D网络模型基于标定的手势类型的雷达数据进行训练得到，其至少一个卷积层包括一路标准卷积结构和一路是可变形卷积残差结构。本方案首先基于雷达数据处理生成RDA)，简洁高效融合手势多维时空特征；同时采用时空可变形卷积，增强了建模能力，改善了手势识别网络的性能。
-
公开(公告)号：CN112926533A
公开(公告)日：2021-06-08
申请号：CN202110358349.2
申请日：2021-04-01
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了基于双向特征融合的光学遥感图像地物分类方法及系统，涉及光学遥感图像成像技术领域，能够结合不同层的特征进行多尺度的特征融合，得到较好的特征融合结果。构建地物分类网络，用于执行如下步骤：对于输入图像，提取五个不同尺度的特征图，先分组融合然后交叉融合，生成最终融合结果。对所构建的地物分类网络进行训练，训练完成后的地物分类网络用于执行光学遥感图像的地物分类任务。本发明在融合时结合了浅层的细节信息和深层的语义信息，能够结合不同层的特征进行多尺度的特征融合，得到较好的特征融合结果。其中还采用了与特征图内容相关的上采样方式，能够更有效聚合不同层次的特征图。
-
公开(公告)号：CN112464733A
公开(公告)日：2021-03-09
申请号：CN202011213649.3
申请日：2020-11-04
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于双向特征融合的高分辨率光学遥感图像地物分类方法，本方案通过设计的包括上采样和下采样的双向特征融合结构，结合了浅层的细节信息和深层的语义信息，避免了之前的特征融合方式中存在的信息损失问题；同时设计了一种结合特征图语义信息的上采样方式，多次重复的融合操作更有效聚合不同层次的特征。从而提升了在遥感图像的地物分割效果，提高了分割的准确度。
-
公开(公告)号：CN111861918A
公开(公告)日：2020-10-30
申请号：CN202010677040.5
申请日：2020-07-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于SAR图像的海上溢油检测方法，将待检测SAR图像复制为两份，一份通过滤波处理后直接进行最大熵阈值分割，可以比较容易检测到大面积的溢油；另一份通过滤波处理后，先进行一次对比度增强处理，再进行最大熵阈值分割，可以比较容易检测出细节，避免漏检；之后将二者的处理结果进行融合，得到最终的识别结果图像，以此可以减少虚警，提高准确率；且本方案计算简单、运算时间短，可在在轨平台上进行实时处理。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.054 seconds)
