-
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：CN119399522A
公开(公告)日：2025-02-07
申请号：CN202411431849.4
申请日：2024-10-14
Applicant: 北京理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明提供一种基于模态信息约束的多模态遥感图像地物分类方法，首先采用MDF解码器自适应学习模态共享与模态差异特征的融合权重，从多尺度角度自适应地控制模态共享和模态专有信息的贡献，从而保留模态专有信息；然后采用MSIE解码器引导模态差异特征与多模态特征开展多模态辅助分类任务，以增强在有利于分类的光学和SAR专有信息；因此，相比其他多模态遥感图像地物分类方法，本发明识别精度更高，可以有效缓解复杂场景下地物识别性能瓶颈，为多模态遥感图像解译提供有效的支撑。
-
公开(公告)号：CN118470420A
公开(公告)日：2024-08-09
申请号：CN202410633829.9
申请日：2024-05-21
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/50
Abstract: 本发明提供一种基于类内‑类间关系迁移的无源域自适应遥感场景分类方法，可以改善由于域间差异所导致的性能下降，该方法包括：将预测输出作为锚点，将和目标域输入图像类别一致的图像视图作为正样本，将与该图像类别不一致的其他所有图像视图作为负样本，计算得到类别对比损失函数；预测输出作为锚点，将目标域输入图像的弱增强图像视图作为正样本，将同个训练批次内其他所有图像的增强视图作为负样本，计算得到实例对比损失函数；将类内‑类间关系zcr嵌入类别对比损失函数和实例对比损失函数，基于类内‑类间关系的对比损失函数，对目标域特征提取器和目标域分类器进行迭代优化，基于优化结果实现遥感场景分类。
-
公开(公告)号：CN118366039A
公开(公告)日：2024-07-19
申请号：CN202410597472.3
申请日：2024-05-14
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于边界引导和交互注意力的遥感图像地物分类方法及系统，能够实现高精度遥感图像地物分类。该方法的具体过程为：步骤一，从输入图像中提取多级特征，得到不同层次的特征图；步骤二，采用多级特征融合方式，从多级特征图中提取与目标相关的边缘语义；步骤三，将所得到的边缘语义与不同层级的特征图进行融合，得到初始增强特征；步骤四，对所述初始增强特征图进行交互注意力处理，得到多个层级的二次强化特征图；步骤五：将所述多个层级的二次强化特征图进行多尺度特征提取，生成预测结果，实现遥感图像地物分类。
-
公开(公告)号：CN117152606A
公开(公告)日：2023-12-01
申请号：CN202311067451.2
申请日：2023-08-23
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06V10/40 , G06N3/0895 , G06N3/047
Abstract: 本发明公开了一种基于置信度动态学习的遥感图像跨域小样本分类方法，包括：获取源域和目标域的遥感图像数据；利用源域遥感图像数据对深度学习网络模型进行预训练获得预训练初始化参数；构建半监督跨域协同训练模型并加载初始化参数；基于源域遥感图像数据进行监督学习；进行半监督跨域协同训练模型处理；进行置信度动态学习策略处理；基于总损失函数对初始化参数更新获得用于小样本分类的深度学习网络模型；待测试遥感图像数据输入用于小样本分类的深度学习网络模型，获得对应的分类结果。本发明克服目前对目标域数据信息利用不充分和深度学习模型不确定性损害跨域学习的缺陷，提高深度学习模型的泛化能力，提升对遥感图像跨域小样本分类的性能。
-
Patent Agency Ranking
公开(公告)号：CN115731461A
公开(公告)日：2023-03-03
申请号：CN202211377963.4
申请日：2022-11-04
Applicant: 北京理工大学
Abstract: 本发明公开了一种多层特征解耦的光学遥感图像建筑物提取方法。本发明首先利用多层特征解耦网络提取建筑物多尺度特征并进行分解，获得更稳定的语义主体特征和不确定的语义边界特征；然后基于语义主体特征和不确定的语义边界特征的不同，采用双流语义特征描述网络采用不同的方式进行逐步融合，加深强语义区域中深层特征中的语义表示，并保留弱语义区域中更多的细节信息；最后利用多任务监督方法，在保证建筑物主体部分完整性的同时提高建筑物边缘精确性，实现高分辨率光学遥感图像建筑物的高性能提取。本发明能够显著提高对高分辨率光学遥感图像建筑物的提取效果，可实现复杂环境中的不同尺度、不同空间分布的建筑物的精确提取。
-
公开(公告)号：CN115546196A
公开(公告)日：2022-12-30
申请号：CN202211388950.7
申请日：2022-11-08
Applicant: 北京理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明实施例公开了一种基于知识蒸馏的轻量级遥感影像变化检测方法，在用于遥感影像变化检测的知识蒸馏框架处通过采用原型对比蒸馏、通道归一化蒸馏以及空间归一化蒸馏的方法，引导学生模型模仿教师模型的判别特征分布，以减轻混淆对象的错误分类，同时关注空间概率分布和类别概率分布，以全面学习教师模型输出概率中包含的知识。多个蒸馏方法结合有利于提高学生模型的准确率并引导学生模型全面地学习教师输出中包含的知识，使其具备更强的变化区域识别能力生成更准确的遥感影像变化检测结果。
-
公开(公告)号：CN115410089A
公开(公告)日：2022-11-29
申请号：CN202210754167.1
申请日：2022-06-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种自适应局部上下文嵌入的光学遥感小尺度目标检测方法，一、利用多尺度优化沙漏特征提取网络，对遥感图像的小尺度目标进行特征提取；二、结合基于自适应局部上下文嵌入算法和通道注意力算法，对步骤一提取的特征进行深度优化；三、使用步骤二生成的特征图，通过角点池化和中心点池化操作，得到目标的左上角点、右下角点和中心点位置；然后，利用交叉熵损失函数、推‑拉损失函数来修正角点和中心点坐标，最终确定目标位置，实现对整幅图像的角点‑中心点的无锚框检测；本发明能够解决在大视场高分辨率光学遥感图像中对于小尺寸目标的检测准确率和检测精度的问题。
-
公开(公告)号：CN115344203A
公开(公告)日：2022-11-15
申请号：CN202210911938.3
申请日：2022-07-29
Applicant: 北京理工大学
IPC: G06F3/06
Abstract: 本发明涉及一种SAR成像系统的数据存储交换方法及架构。所述方法包括：对原始数据进行矩阵分块，得到至少一个子矩阵；对所述子矩阵进行距离向或方位向上的等量划分；将等量划分的所述子矩阵分别三维交叉映射到第一存取存储器、第二存取存储器；第一存取存储器、第二存取存储器、第一缓存模块、第二缓存模块、处理引擎执行数据缓存、读取或写入。本发明在处理引擎处理第二缓存模块的数据时，第一存取存储器、第二存取存储器与第一缓存模块进行数据读取或写入，使得流水线空闲时间很少，缓存资源得到充分利用；以及对原始数据等量划分等处理，使得单次突发传输数据的距离向长度和方位向长度相等；进而提高了数据的访问效率。
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.113 seconds)
