-
公开(公告)号：CN116385600B
公开(公告)日：2023-12-19
申请号：CN202310376114.5
申请日：2023-04-10
Applicant: 北京卫星信息工程研究所
IPC: G06T11/60 , G06F40/289 , G06F40/216 , G06F16/9532 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种遥感图像目标特性的分布式表征方法、装置及电子设备，所述方法包括：利用非结构化文本的先验信息对目标特性进行表达；结合结构化遥感图像知识对非结构化文本表达进行筛选；训练遥感图像语义环境模型，分布式表征遥感图像中的目标特性。通过实施本发明的上述方案，可以实现结合非结构化文本知识与结构化图像知识的目标特征表达。
-
公开(公告)号：CN116385881B
公开(公告)日：2023-11-14
申请号：CN202310378004.2
申请日：2023-04-10
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本发明涉及遥感图像地物变化检测方法及装置，包括获取同一区域不同时相的两幅图像；利用两个共享权重的U‑Net作为主干网络，对输入的两个时相的遥感图像，经过主干网络的两个分支进行特征提取；对两个分支提取的特征进行局部交换；通过多头自注意力机制，对交换后得到的特征进行全尺度的特征提取；再对两个分支的遥感图像恢复空间尺度，然后对特征进行融合，得到新的融合分支；利用U‑Net网络的两个分支和融合分支进行地物变化检测，得到遥感图像地物变化检测结果。本发明能够有效提高遥感图像地物变化的检测精度。
-
公开(公告)号：CN116645448A
公开(公告)日：2023-08-25
申请号：CN202310457856.0
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06T11/40 , G06V10/74 , G06V20/13 , G06V10/82 , G06V10/764 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种光学遥感影像的定量云自动添加方法及装置，所述方法包括：对真实无云光学遥感影像和真实有云光学遥感影像进行预处理；构建基于循环生成对抗网络的深度神经迁移网络；利用预处理后的真实无云光学遥感影像和真实有云光学遥感影像对所述基于循环生成对抗网络的深度神经迁移网络进行训练学习，实现云量的定量添加。通过实施本发明的上述方案，可以实现自动生成包含不同比例云的高质量典型目标的光学遥感影像训练样本。
-
公开(公告)号：CN116524368A
公开(公告)日：2023-08-01
申请号：CN202310403716.5
申请日：2023-04-14
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及遥感图像目标检测方法，包括获取至少一幅包含待测目标的卫星遥感图像，利用卷积神经网络提取卫星遥感图像的多尺度特征，根据嵌入掩膜引导特征金字塔网络学习前景目标区域的特征，并生成用于提取原始图像中疑似目标区域的旋转候选框，利用旋转RoIAlign对齐操作对疑似目标区域进行特征提取，将提取到的特征送入由Smooth‑L1回归损失和角边距分类损失组成的有向检测头进行分类识别与回归定位。本发明提升了目标检测方法对港口等复杂背景的抗干扰能力，减少了云雾、形似干扰物造成的虚警，提高了目标检测的识别精度，可应用于高分辨率遥感图像中的船只、飞机等目标识别。
-
公开(公告)号：CN116416531A
公开(公告)日：2023-07-11
申请号：CN202310409310.8
申请日：2023-04-17
Applicant: 北京卫星信息工程研究所
IPC: G06V20/13 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464
Abstract: 本发明涉及一种基于动态重参数化的遥感图像目标检测方法、设备及存储介质，基于动态重参数化的遥感图像目标检测方法包括：步骤S1、获取遥感图像及对应的真值标签；步骤S2、基于深度学习网络构建目标检测模型，并完成模型训练；步骤S3、利用步骤S2中的目标检测模型进行动态重参数化拓展，并对拓展后的目标检测模型进行在线训练；步骤S4、重复执行步骤S3，得到优化后的目标检测模型；步骤S5、对优化后的目标检测模型进行微调，利用重参数化方法吸收拓展的增强卷积，得到压缩的目标检测模型；步骤S6、利用压缩后的目标检测模型对遥感图像进行检测。本发明，解决了遥感图像目标检测任务中主干特征提取网络因结构参数设计不当而导致性能不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN115294439B
公开(公告)日：2023-04-07
申请号：CN202210923739.4
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种空中弱小运动目标检测方法、系统、设备及存储介质，首先读取至少三个不同波段间存在成像视差的卫星遥感图像，获取的多光谱数据源中每个波段对目标成像时存在一定的时间偏差，时间偏差会造成运动目标在多光谱图像中的位移视差，并利用该位移视差确定空中弱小运动目标，最后对检测到的空中弱小运动目标图像进行坐标和投影转换，输出检测结果。本发明实现了宽幅成像模式下不同空间分辨率多光谱图像中空中弱小运动目标的检测，避免了传统方法中空间分辨率对检测精度的影响及实际应用中的局限性，弥补了现有技术手段和方法的不足，提高了空中弱小运动目标检测识别精度。
-
公开(公告)号：CN115115939B
公开(公告)日：2023-04-07
申请号：CN202210899281.3
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特征注意力机制的遥感图像目标细粒度识别方法，包括：对原始遥感图像的目标数据和目标特征数据进行标注；对所述原始遥感图像、所述标注的目标数据和目标特征数据进行处理和增强，获得三组数据集；构建目标‑特征注意力模型；将处理和增强后的三组数据集输入所述目标‑特征注意力模型进行训练，利用训练好的目标‑特征注意力模型完成所述原始遥感图像中的目标细粒度的型号级识别。本发明可以实现遥感影像飞机等目标的高精度精细化型号级识别。
-
公开(公告)号：CN115272857A
公开(公告)日：2022-11-01
申请号：CN202210900863.9
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注意力机制的多源遥感图像目标识别方法，包括：获取多源遥感图像及其对应的目标类别标签，并进行预处理；提取预处理后的多源遥感图像中的目标特征，对所述目标特征进行过滤，得到多源目标的关键特征；构建特征融合编码器并对所述关键特征进行融合，获得隐层特征数据；构建特征解码器并重构所述隐层特征数据；利用重构的隐层特征数据和所述关键特征对所述特征融合编码器和所述特征解码器进行优化；利用分类网络对所述隐层特征数据进行分类识别。本发明不仅实现多源遥感图像中的目标识别，还可提高识别的精度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.041 seconds)
