-
Patent Agency Ranking
公开(公告)号：CN114219826A
公开(公告)日：2022-03-22
申请号：CN202111156857.9
申请日：2021-09-30
Applicant: 北京航空航天大学 , 应急管理部国家减灾中心 , 北京空间机电研究所
Abstract: 本发明公开了一种应用于航拍视频中的地面目标跟踪方法，将SiamFC++的特征空间嵌入网络更改为ResNet；将搜索区域图像x和模板图像z输入ResNet提取深度特征；将深度特征输入跟踪头部网络，输出分类置信分数图和目标边界框回归响应图；选择分类置信分数最大值所在位置，目标边界框回归响应图在该位置的向量为目标边界框预测结果。在提取深度特征过程中，通过构造特征金字塔网络，自适应地融合特征空间嵌入网络的浅层和深层特征，使特征表示既有丰富的细节信息，也有强大的语义信息，可以强化小目标的判别性特征表示，避免跟踪漂移甚至跟踪丢失问题。并提出搜索区域大小自适应调整策略，可以增强跟踪器抵抗跟踪丢失风险能力。
-
公开(公告)号：CN115690579A
公开(公告)日：2023-02-03
申请号：CN202211324004.6
申请日：2022-10-27
Applicant: 西南交通大学 , 应急管理部国家减灾中心
IPC: G06V20/10 , G06V10/26 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督语义分割的损毁建筑物高分遥感提取方法。为改善类别激活图CAM质量，抑制损毁建筑物内部的噪声等技术问题，本发明以采用膨胀卷积的级联式密集连接的方法来提高目标相关区域的激活响应和抑制目标不相关区域的激活响应、通过在大范围内综合考虑和整合每个像素的特征相互依赖性来优化像素之间的全局空间相关性为技术手段，解决了CAM质量不佳、损毁建筑物内部的噪声严重、拼接位置不平滑等技术问题，获得了增强网络对细节的感知能力，缓解提取目标边界模糊、实现平滑拼接等技术效果。本发明适于遥感图像处理领域。
-
公开(公告)号：CN116434009B
公开(公告)日：2023-10-24
申请号：CN202310423262.8
申请日：2023-04-19
Applicant: 应急管理部国家减灾中心(应急管理部卫星减灾应用中心)
IPC: G06V10/774 , G06T15/00 , G06T17/10
Abstract: 本发明公开了一种损毁建筑物深度学习样本集的构建方法及系统，包括：创建若干项目并分别命名，其中，所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目；分别基于第一项目和第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型，对灾后二维影像与灾后三维模型进行检测，获取检测结果；若检测结果与预设规则一致，则通过所有项目打开并加载二维样本矢量，并进行标绘与编辑，获取标签矢量；根据标签矢量与灾后二维影像生成损毁建筑物深度学习样本集。本发明有助于高效进行二维标绘、属性编辑与三维数据多角度观察。
-
公开(公告)号：CN116434009A
公开(公告)日：2023-07-14
申请号：CN202310423262.8
申请日：2023-04-19
Applicant: 应急管理部国家减灾中心(应急管理部卫星减灾应用中心)
IPC: G06V10/774 , G06T15/00 , G06T17/10
Abstract: 本发明公开了一种损毁建筑物深度学习样本集的构建方法及系统，包括：创建若干项目并分别命名，其中，所述项目包括用于显示二维影像的第一项目、用于显示三维模型的第二项目及用于显示标签属性的第三项目；分别基于第一项目和第二项目加载同一地区相同投影坐标系的灾后二维影像与灾后三维模型，对灾后二维影像与灾后三维模型进行检测，获取检测结果；若检测结果与预设规则一致，则通过所有项目打开并加载二维样本矢量，并进行标绘与编辑，获取标签矢量；根据标签矢量与灾后二维影像生成损毁建筑物深度学习样本集。本发明有助于高效进行二维标绘、属性编辑与三维数据多角度观察。
-
公开(公告)号：CN114219826B
公开(公告)日：2024-06-07
申请号：CN202111156857.9
申请日：2021-09-30
Applicant: 北京航空航天大学 , 中国科学院空间应用工程与技术中心 , 北京空间机电研究所
Abstract: 本发明公开了一种应用于航拍视频中的地面目标跟踪方法，将SiamFC++的特征空间嵌入网络更改为ResNet；将搜索区域图像x和模板图像z输入ResNet提取深度特征；将深度特征输入跟踪头部网络，输出分类置信分数图和目标边界框回归响应图；选择分类置信分数最大值所在位置，目标边界框回归响应图在该位置的向量为目标边界框预测结果。在提取深度特征过程中，通过构造特征金字塔网络，自适应地融合特征空间嵌入网络的浅层和深层特征，使特征表示既有丰富的细节信息，也有强大的语义信息，可以强化小目标的判别性特征表示，避免跟踪漂移甚至跟踪丢失问题。并提出搜索区域大小自适应调整策略，可以增强跟踪器抵抗跟踪丢失风险能力。
-
-
-
-
Search Results
5
records
(took 0.075 seconds)
