-
公开(公告)号：CN115100532A
公开(公告)日：2022-09-23
申请号：CN202210921934.3
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N5/02 , G06N5/04 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种小样本遥感图像目标检测方法和系统，所述小样本遥感图像目标检测方法包括：利用基础训练网络训练基类数据，其中，所述基础训练网络包括针对遥感图像建立的知识图谱；利用微调训练网络训练小样本数据，所述小样本数据包括经所述基础训练网络训练后的基类数据和新类数据。本发明的基础训练网络上训练完成的基类数据与新类数据一起构成微调训练网络的样本数据集，使得基础训练阶段训练好的网络可以通过微调训练很好地泛化到当前遥感图像小样本目标检测任务中，且知识图谱的知识输入可以为网络提供先验知识，可以在样本数量少、样本获取难度大的情况下，高效地训练出具备良好性能的目标检测网络。
-
公开(公告)号：CN115019181A
公开(公告)日：2022-09-06
申请号：CN202210900309.0
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种遥感图像旋转目标检测方法、电子设备及存储介质，在训练中，对给定的目标位置标签，先利用椭圆分布采样方式，获取丰富的样本点；利用自适应前景采样策略，从高层特征图到低层特征图依次获取高质量的前景样本点，与网络预测的前景目标一起输入到损失函数，从而学到更准确的目标特征表示方法，基于标签中目标真值坐标，通过调整椭圆长边与短边的长度，自适应地在特征图上进行采样，避免了小尺寸目标在特征金字塔中难以获取采样点和大尺寸获取过多冗余采样点的问题，通过自适应的方法提升了采样精度和泛化性，对高分辨率遥感图像旋转框目标检测具有重要意义。
-
公开(公告)号：CN116486238B
公开(公告)日：2023-09-15
申请号：CN202310466470.6
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V10/86 , G06V10/774 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种联合点集表示与图分类的目标细粒度识别方法，包括：构建并训练基于Oriented RepPoints的目标点集表示模型，检测生成代表目标的点集；将所述点集中的点作为节点，根据空间关系构建图结构；截取每个点周围的矩形区域，并将该矩形区域对应的卷积特征作为图节点的特征；构建图卷积神经网络模型，对所述图节点的特征进行聚合与更新，并整合所有图节点的特征进行图分类。通过实施本发明的上述方案，通过综合利用目标的部件特征以及部件之间的关系，提高目标细粒度识别的精度。
-
公开(公告)号：CN116486238A
公开(公告)日：2023-07-25
申请号：CN202310466470.6
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V10/86 , G06V10/774 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种联合点集表示与图分类的目标细粒度识别方法，包括：构建并训练基于Oriented RepPoints的目标点集表示模型，检测生成代表目标的点集；将所述点集中的点作为节点，根据空间关系构建图结构；截取每个点周围的矩形区域，并将该矩形区域对应的卷积特征作为图节点的特征；构建图卷积神经网络模型，对所述图节点的特征进行聚合与更新，并整合所有图节点的特征进行图分类。通过实施本发明的上述方案，通过综合利用目标的部件特征以及部件之间的关系，提高目标细粒度识别的精度。
-
公开(公告)号：CN116486169A
公开(公告)日：2023-07-25
申请号：CN202310477115.9
申请日：2023-04-27
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V10/26 , G06V10/762 , G06F16/36 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/50
Abstract: 本发明涉及遥感图像目标动向判别方法，包括：S100，对遥感图像进行全景分割标注和目标行为动向标注，确定目标动向知识图谱；S200，基于遥感图像建立全景分割模型，以ResNet作为特征提取主干网络，并引入交叉注意力模块提取长距上下文信息；S300，根据全景分割网络中的实例分割分支对遥感图像进行实例级分割，根据全景分割网络中的语义分割分支对遥感图像进行语义级分割；S400，引入基于贝叶斯决策的分支融合模块，对实例分割分支和语义分割分支的结果进行决策融合，生成全景分割图像；S500，将全景分割图像进行像素聚类生成场景信息知识图谱；S600，根据图注意力网络，对场景信息知识图谱中的关注目标进行动向判别。本发明可推理遥感图像中目标的行为动向信息。
-
Patent Agency Ranking
公开(公告)号：CN116416136A
公开(公告)日：2023-07-11
申请号：CN202310408459.4
申请日：2023-04-17
Applicant: 北京卫星信息工程研究所
IPC: G06T3/40 , G06T5/50 , G06T7/00 , G06V20/13 , G06V10/26 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种可见光遥感图像舰船目标检测的数据扩增方法、设备及存储介质，获取原始可见光遥感图像数据集及其标注文件；确定需要进行扩增的舰船类别；引入语义评估模块，得到能够扩增的合理区域；依据原始可见光遥感图像数据集的标注文件，提取原始各类舰船切片样本；对原始各类舰船切片样本进行超分辨率重建，构建舰船扩增样例库；将原始可见光遥感图像和舰船扩增样例库进行图像合成处理，得到扩增后的图像；对扩增后的图像进行质量评估，筛选替换原始图像。本发明，实现了舰船少数类的自动扩增，解决因训练集类间不平衡导致训练出来模型偏向于多数类，而对少数类识别精度下降的问题。
-
公开(公告)号：CN115100449B
公开(公告)日：2023-04-14
申请号：CN202210921778.0
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种遥感数据多目标关联匹配与轨迹生成方法及设备，利用SIFT尺度不变的特性对多模态序列遥感图像进行空间配准，再利用基于拓扑特征相似度匹配的多目标关联匹配方法对图像中的目标信息进行关联匹配，该发明可以将不同传感器在空间及时间上的冗余或互补信息进行组合，获得比单一传感器单时相数据更完善更准确的目标轨迹信息，具有高效率、高精度的特点。
-
公开(公告)号：CN115272856B
公开(公告)日：2023-04-04
申请号：CN202210900854.X
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种舰船目标细粒度识别方法及设备，结合细粒度分类结果和旋转框参数，实现对舰船目标的细粒度识别，避免了成像条件、拍摄角度和舰船目标中心点或角点位置随机导致模型难以聚焦关键点处的细粒度特征的问题，提高了模型定位关键点的准确度，通过构建关键点注意力，引导模型聚焦关键点区域的细粒度特征及其内在自相关性，提高了舰船目标的细粒度识别准确率，为舰船目标细粒度识别提供了一种切实可行的技术途径，在遥感目标识别领域有较大的实际应用价值。
-
公开(公告)号：CN115019182B
公开(公告)日：2023-03-24
申请号：CN202210900356.5
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标细粒度识别方法、系统、设备及存储介质，获取至少一幅图像；利用卷积神经网络提取所述图像的多尺度特征；利用Transformer对所述多尺度特征图进行编码；利用特征融合金字塔网络对所述的编码后的多尺度特征图进行特征融合；利用融合后的特征图，采用旋转框检测头提取目标；利用旋转变换对提取的目标的特征进行对齐；利用Transformer对旋转变换后的目标特征图进行细粒度分类，得到目标细粒度识别结果。本发明提升了检测方法对目标局部特征和全局特征的整体提取能力，提高了目标细粒度识别精度，可应用于高分辨率遥感图像中的船只、飞机等目标细粒度识别。
-
公开(公告)号：CN115019183B
公开(公告)日：2023-01-20
申请号：CN202210900359.9
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于知识蒸馏和图像重构的遥感影像模型迁移方法，包括：在样本充足和标注完整的数据集A中训练第一目标检测模型，获得教师模型；利用知识蒸馏对所述教师模型进行压缩，获得学生模型，并在样本不足的数据集B中进行训练；利用训练后的学生模型对与所述数据集B的数据类型相同的待测试数据进行判别，获得第一判别结果；重构所述待测试数据，使所述待测试数据与所述数据集A的数据类型相同，利用所述教师模型对重构后的待测试数据进行判别，获得第二判别结果；将所述第一判别结果和所述第二判别结果的全连接层进行加权融合，获得用于判别所述待测试数据的第二目标检测模型。该方法可实现不同类型遥感影像的模型迁移。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.041 seconds)
