-
公开(公告)号：CN107665351B
公开(公告)日：2022-07-26
申请号：CN201710314261.4
申请日：2017-05-06
Applicant: 北京航空航天大学
IPC: G06V10/774 , G06V10/771 , G06K9/62 , G06V10/46 , G06N3/04
Abstract: 本发明提供了一种基于难样本挖掘的机场检测方法，所述方法包括以下步骤：将光学遥感图像与对应标注真值作为光学遥感图像的训练数据；候选区域提取网络的训练；区域分类网络的训练；候选区域提取与区域分类网络的耦合训练；基于难样本挖掘的端到端深度卷积网络的微调；端到端深度卷积神经网络的机场检测。将深度卷积神经网络引入到遥感图像机场检测，不仅利用卷积网络提取遥感图像中目标的高层语义特征信息，通过高层语义特征筛选机场候选区域，同时还对候选区域是否为机场进行二次确认，提升遥感图像中机场检测的查全率与准确率。
-
公开(公告)号：CN111553869B
公开(公告)日：2021-04-06
申请号：CN202010403925.6
申请日：2020-05-13
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种空基视角下的生成对抗网络图像补全方法，属于航空监视技术领域。针对因通信或者天气等约束条件，智能无人机拍摄到的图像会有部分缺失的情况，本发明方法首先利用显著性检测模型DeepCut检测出图像中的物体形状，再利用Canny边缘检测得到其轮廓图，该轮廓图是不完整的，再利用生成式对抗网络补全物体的轮廓图，最后将补全的轮廓图作为额外信息与有缺失图像一起输入到图像补全网络中得到最终的完整图像。本发明方法可以有效地提高补全的真实度，效果显著，在空基监视下的安全检测、情报收集分析等应用中都具有重大意义。
-
公开(公告)号：CN111553869A
公开(公告)日：2020-08-18
申请号：CN202010403925.6
申请日：2020-05-13
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种空基视角下的生成对抗网络图像补全方法，属于航空监视技术领域。针对因通信或者天气等约束条件，智能无人机拍摄到的图像会有部分缺失的情况，本发明方法首先利用显著性检测模型DeepCut检测出图像中的物体形状，再利用Canny边缘检测得到其轮廓图，该轮廓图是不完整的，再利用生成式对抗网络补全物体的轮廓图，最后将补全的轮廓图作为额外信息与有缺失图像一起输入到图像补全网络中得到最终的完整图像。本发明方法可以有效地提高补全的真实度，效果显著，在空基监视下的安全检测、情报收集分析等应用中都具有重大意义。
-
公开(公告)号：CN108010028B
公开(公告)日：2020-07-03
申请号：CN201711447155.X
申请日：2017-12-27
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种用于静止轨道卫星探测仪的恒星检测方法及装置，该方法包括：输入探测仪恒星观测图像序列；将所述图像序列去除固定模式噪声；将去除噪声后的所述图像序列进行图像分割；将分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；对所述包含恒星轨迹的图像进行恒星直线轨迹检测；对检测出的恒星直线轨迹的图像进行识别。该方法通过输入探测仪恒星观测图像序列，探测仪恒星观测图像固定模式噪声去除、阈值分割、恒星轨迹融合图像生成、恒星直线轨迹初检、最后实现对恒星直线轨迹的高准确率、高成功率识别。
-
公开(公告)号：CN111191626A
公开(公告)日：2020-05-22
申请号：CN202010007923.5
申请日：2020-01-02
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种多类别交通工具的精细识别方法，属于航空监视领域。首先针对某张待分类的目标图像输入VGG19网络中，输出包含网络浅层信息的特征图X，并将其加入级联注意力机制，得到重要区域的高亮显示特征图然后从纵向和切向两个角度嵌入核函数，提取高亮显示特征图的高维非线性特征，得到两个不同方向的高维非线性特征图X′和Y′。用平均池化将X′和Y′分别进行特征降维，得到长度为C的两个特征向量，拼接后得到长度为2C的特征向量A。最后对特征向量A使用全连接进行融合，得到特征向量B；使用softmax机制对特征向量B中各类别的置信度分数进行归一化，取分数最大值，得到对应的分类的结果。本发明达到多类别交通工具的精细识别。
-
Patent Agency Ranking
公开(公告)号：CN110110613B
公开(公告)日：2020-04-14
申请号：CN201910316596.9
申请日：2019-04-19
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于动作识别的轨道交通异常人员检测方法，属于航空监视领域。使用无人机巡检铁路，并对视频进行抽帧，通过对SSD检测模型进行训练并使用，获取每张视频帧图像中各个人员的位置信息，并将包含人员的局部区域截取出来，对关键点检测模型和Resnet‑18衣着分类模型进行训练；使用关键点检测模型预测每个人的关节坐标，将某时间段内的关节坐标组成人体骨架序列，输入LSTM动作识别模型，识别每个人的动作类别。通过Resnet‑18衣着分类模型进行人员的衣着分类。根据每个人的动作类别以及对应的外貌服饰，判断此人是否为工作人员。本发明解决了传统人力巡检或者路基巡检成本巨大的问题，具有较高的实用性和鲁棒性。
-
公开(公告)号：CN109948524B
公开(公告)日：2020-04-14
申请号：CN201910203911.7
申请日：2019-03-18
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于空基监视的交通车辆密度估计方法，属于航空监视领域。首先使用单通道卷积神经网络对归一化处理后的待检测场景图进行多尺度特征提取，得到对应的三种具有不同尺度信息的特征图后，分别缩放到相同的尺寸，通过1×1卷积融合其特征维信息。然后使用多尺度池化模块进行进一步的特征提取和融合，得到各图像对应的最终特征图后，使用三组相间的最邻近差值上采样搭配卷积的操作对最终特征图进行解码和复原图像分辨率。最后对每张特征图使用1×1卷积整合其特征维信息，并使用双线性插值法恢复其空间分辨率，得到最终的车辆密度估计图。本发明的网络结构简单轻便，避免了使用多分支网络造成的参数、计算量与计算时间的冗余。
-
公开(公告)号：CN110766655A
公开(公告)日：2020-02-07
申请号：CN201910884113.5
申请日：2019-09-19
Abstract: 本发明公开一种基于丰度的高光谱图像显著性分析方法，属于遥感图像处理技术领域。实施过程包括：1)构造包含编码部分和解码部分的自动编码器模型，编码部分的最后一层表示提取到的丰度向量，相应地，解码部分的权重表示提取到的端元；2)利用训练好的模型的编码部分估计每个像元的丰度；3)利用像元的丰度信息计算每个像元的纯度，并对其进行排序，选出纯度最高的前百分之t个像元作为显著性像元。本发明针对高光谱图像空间分辨率低，混合像元现象严重的特点，提出了一种基于丰度的高光谱图像显著性分析算法，能够较为准确地探测出高光谱图像的显著性区域。
-
公开(公告)号：CN110766619A
公开(公告)日：2020-02-07
申请号：CN201910884100.8
申请日：2019-09-19
Applicant: 北京航空航天大学
IPC: G06T5/00
Abstract: 本发明公开一种基于波段质量分析的无监督波段选择算法，属于遥感图像处理技术领域。实施过程包括：1)构建初始波段质量参考图，利用改进的结构相似度指标(SSIM)对各个波段的质量进行评估，得出各波段初始质量得分；2)利用初始质量得分更新质量参考图，并计算出各波段最终质量得分；3)将波段质量分析的结果用以指导列子集波段选择算法，从而选择出冗余度低，信息量大，波段质量优的波段子集。本发明通过对波段质量的分析，在无监督的条件下获得了波段的质量得分，能够改善传统无监督波段选择方法易受噪声影响这一缺点，可用于遥感图像降维，分类等领域。
-
公开(公告)号：CN108229524A
公开(公告)日：2018-06-29
申请号：CN201710379385.0
申请日：2017-05-25
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于遥感图像的烟囱和冷凝塔检测方法，包括：对遥感图像进行分块，将分块后的图像输入到预先训练好的离线训练模型中，利用离线训练模型中训练好的区域建议网络产生候选框以及候选框对应的目标性得分；基于目标性得分，利用非极大值抑制法以及目标性得分阈值对候选框进行筛选，得到目标候选框；将目标候选框中的图像输入到离线训练模型中训练好的快速区域卷积神经网络中进行目标检测，得到烟囱、冷凝塔和背景对应的分类得分以及目标框；基于分类得分，利用分类得分阈值和非极大值抑制法对目标框进行筛选，得到最终检测结果。本发明提供的检测方法不仅检测率高，目标框位置准确，而且速度快。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.03 seconds)
