-
公开(公告)号：CN115272748A
公开(公告)日：2022-11-01
申请号：CN202210780466.2
申请日：2022-07-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06T7/73 , G01S13/90
Abstract: 本发明提供一种基于知识辅助的SAR图像飞机检测分类方法，包括：获取待测大场景的SAR图像，提取机场的感兴趣区域，根据感兴趣区域获取多个切片，并输入基于ConvNeXt‑T网络构造的目标特征提取网络，获取感兴趣区域的图像特征；通过MLP网络构造多模态领域知识特征提取模型，并结合领域知识，得到多模态领域知识特征；通过自适应投影将多模态领域知识特征动态更新到图像特征中，并进行自注意力增强，获取目标特征；设计无锚框检测头，通过无锚框检测头对目标特征中的飞机目标进行位置回归和目标分类，获取SAR图像的目标检测分类结果。本发明能够有效减轻相似飞机目标分类难度，提升飞机目标检测分类的准确度。
-
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。
-
公开(公告)号：CN114419490A
公开(公告)日：2022-04-29
申请号：CN202111627620.4
申请日：2021-12-28
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V20/40 , G06K9/62 , G06V10/764
Abstract: 本发明提供一种基于注意力金字塔的SAR船只目标检测方法，将SAR图像输入到特征提取网络得到初步的特征提取结果；对初步提取到的特征输入到基于通道注意力和空间注意力的特征金字塔网络，得到更加精细化的特征提取结果。相较于传统的SAR图像船只检测方法，本方案通过先对SAR图像完成初步的特征提取，然后利用通道注意力和空间注意力特征金字塔网络对提取到的初步特征进行精修，提高了船只的检测和识别精度；尤其在针对复杂背景下的船只检测任务，本方案提出的基于通道注意力和空间注意力的特征金子塔网络可以使模型具有更高的检测和识别效果。
-
公开(公告)号：CN114418962A
公开(公告)日：2022-04-29
申请号：CN202111628791.9
申请日：2021-12-28
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06T7/00
Abstract: 本发明提供的一种基于注意力增强网络的SAR图像飞机检测方法，通过对大场景SAR图像进行切割得到小场景SAR图像并进行数据增强预处理；将小场景SAR图像输入改进的目标检测网络对飞机目标进行检测；根据检测得到的飞机目标送入图像后处理网络对虚警目标进行滤除，得到最终飞机目标检测结果。相较于传统的SAR图像飞机检测算法，本方案通过预处理中切割与数据增强操作，降低计算复杂度，减少计算内存要求与增加样本多样性，提高了飞机目标检测精度。
-
公开(公告)号：CN113033804A
公开(公告)日：2021-06-25
申请号：CN202110333012.6
申请日：2021-03-29
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种面向遥感图像的卷积神经网络压缩方法，与传统的卷积神经网络压缩方法对网络参数进行裁剪压缩后会导致网络结构的不规则化等问题相比，本方法利用多层次参数裁剪和参数位置约束，在提高参数压缩比例的同时，提高了网络结构的规则性，有利于实际应用时的计算加速；同时利用多数据源的信息融合，提高了压缩后模型的精度。
-
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：CN103761526B
公开(公告)日：2017-04-12
申请号：CN201410038043.9
申请日：2014-01-26
Applicant: 北京理工大学
IPC: G06K9/60
Abstract: 本发明提出一种基于特征位置优选整合的城区检测方法，无需进行先验学习，计算简单，更适合在实际应用中实现。步骤一、图像预处理：包括RGB彩图转灰度图像及高斯金字塔生成；步骤二、城区位置特征点初步选取；步骤三、城区位置特征点筛选；步骤四、基于高斯渲染加权的城区区域整合；步骤五、通过自适应迭代法求出分割阈值并对加权矩阵进行二值化，对二值图进行连通域标记并将连通域面积小于预设阈值的连通域剔除；步骤六、对步骤一生成的高斯金字塔的各层重复步骤二至步骤五，并将各层结果扩展到原图大小后取并集得到城区候选范围，检查RGB彩图中候选范围的色彩特征，剔除色彩特征不满足条件的像素区域，得到最终检测结果。
-
公开(公告)号：CN103605634B
公开(公告)日：2016-08-10
申请号：CN201310287052.7
申请日：2013-07-09
Applicant: 北京理工大学
IPC: G06F17/14
Abstract: 本发明提出一种基于混合基FFT的数据访问地址生成的方法，首先给出混合基FFT的时域指数和频域指数用两个不同基表示的表达式；然后将两个表达式代入DFT表达式，将得到的式子进行分解得到DFT运算的迭代递归方程式，根据该组方程式得出任意级的通用迭代公式。分析该迭代公式可以求出所需操作数和旋转因子的地址。根据操作数和旋转因子地址的产生规律，发现操作数和旋转因子的地址可以通过一个基于混合基表示的累加器来获得。最后通过该累加器得到基于混合基FFT的操作数和旋转因子访问地址。本发明方法由一个累加器通过简单移位实现操作数和旋转因子访问地址的生成，降低了地址生成复杂度，对任意混合基FFT的硬件实现具有积极意义。
-
公开(公告)号：CN119959946A
公开(公告)日：2025-05-09
申请号：CN202510278105.1
申请日：2025-03-10
Applicant: 北京理工大学
IPC: G01S13/90
Abstract: 本申请实施例提供一种基于调度加速的高效BP成像方法，所述方法包括：接收原始回波数据，得到参数队列；读取参数队列，根据设定规则得到计算参数队列，并将计算参数队列转换为二维参数数据流；根据二维参数数据流逐行处理投影，持续计算直至计算参数队列耗尽触发中断；接收到响应中断信号，加载下一批计算参数队列；协调各个任务的执行顺序，控制数据流转和传输，确保系统高效有序地执行算法，节约了BP算法投影步骤执行时，子任务切换时软硬件交互导致的时间间隙，提高了硬件利用率。
-
公开(公告)号：CN114972851B
公开(公告)日：2024-08-30
申请号：CN202210512505.0
申请日：2022-05-12
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于遥感影像的船只目标智能检测方法，将光学遥感影像输入到特征提取网络得到初步的特征提取结果；对初步提取到的特征输入到基于多层垂直注意力模块的特征金字塔网络，得到更加精细化的特征提取融合结果，再经过具有ECA注意力增强模块的head检测头，以实现对船只目标的分类检测和定位。相较于之前的光学遥感影像船只检测方法，本方案通过先对光学遥感影像完成初步的特征提取、然后利用基于多层垂直注意力模块的特征金字塔网络对提取到的初步提取结果进行精修，提高了船只的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.02 seconds)
