公开(公告)号：CN110310264B

公开(公告)日：2021-07-20

申请号：CN201910553506.8

申请日：2019-06-25

Applicant: 北京邮电大学

Inventor： 尤亚楠 ,  李泽中 ,  刘芳 ,  冉伯浩

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04

Abstract: 本发明实施例提供了一种基于DCNN的大尺度目标检测方法、装置。该方法包括：获取包含目标物体的遥感图像；其中，目标物体为大尺度目标物体和/或小尺度目标物体；对遥感图像进行显著性检测，判断遥感图像中是否包含大尺度目标物体；在遥感图像包含大尺度目标物体时，对遥感图像进行图像下采样，得到尺度压缩后的目标图像；采用预先建立的第一模型对目标图像进行目标检测，确定目标图像中的大尺度目标物体的第一位置信息；其中，第一模型为具有目标物体检测能力的深度卷积神经网络模型。本发明可以提高大尺度图像目标检测的准确率。

公开(公告)号：CN111178207B

公开(公告)日：2023-08-01

申请号：CN201911328287.X

申请日：2019-12-20

Applicant: 北京邮电大学

Inventor： 尤亚楠 ,  冉伯浩 ,  刘芳 ,  李泽中

IPC: G06V20/60 ,  G06V10/22 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明实施例提供了基于复数平面坐标系定位的目标检测方法，包括：获取待检测图像；将待检测图像输入目标检测DCNN模型确定待检测目标的类型及在待检测图像中位置，其中目标检测DCNN模型通过以下步骤生成：获取初始目标检测DCNN模型及图像样本；标记目标对象的位置得到标记矩形框；基于标记矩形框以及复数平面坐标系确定真值向量(x*，y*，w*，h*，α*，β*)；标记目标对象的类型得到标记类型，将标记类型及真值向量确定为标定标签；将图像样本输入初始目标检测DCNN模型得到预测标签；基于预测标签及标定标签的差异调整模型的参数得到目标检测DCNN模型。采用本发明实施例，可以提高检测结果中目标定位的准确度。

公开(公告)号：CN113011398A

公开(公告)日：2021-06-22

申请号：CN202110467149.0

申请日：2021-04-28

Applicant: 北京邮电大学

Inventor： 尤亚楠 ,  曹婧宜 ,  周文莉 ,  刘芳 ,  冉伯浩

IPC: G06K9/00 ,  G06K9/62 ,  G06K9/46 ,  G06N3/04

Abstract: 本发明实施例提供的一种针对多时相遥感图像的目标变化检测方法及装置，可以获取目标位置的多时相遥感图像；将多时相遥感图像输入预先训练好的变化特征提取网络；通过卷积时序网络对多时相遥感图像进行变化目标候选区域的提取，并对提取到的候选区域进行变化目标的识别，得到变化目标的位置、变化目标的变化类型；通过卷积神经网络对提取到的候选区域进行变化目标的识别，得到变化目标的类别。可见通过本申请实施例的方法，可以通过变化特征提取网络包括卷积时序网络和卷积神经网络联合实现对变化目标的自动化检测，得到变化目标的位置、变化目标的变化类型和变化目标的类别，从而不但可以减低人工成本，还提高检测精度和时效性。

公开(公告)号：CN110310264A

公开(公告)日：2019-10-08

申请号：CN201910553506.8

申请日：2019-06-25

Applicant: 北京邮电大学

Inventor： 尤亚楠 ,  李泽中 ,  刘芳 ,  冉伯浩

IPC: G06T7/00 ,  G06T7/11 ,  G06N3/04

Abstract: 本发明实施例提供了一种基于DCNN的大尺度目标检测方法、装置。该方法包括：获取包含目标物体的遥感图像；其中，目标物体为大尺度目标物体和/或小尺度目标物体；对遥感图像进行显著性检测，判断遥感图像中是否包含大尺度目标物体；在遥感图像包含大尺度目标物体时，对遥感图像进行图像下采样，得到尺度压缩后的目标图像；采用预先建立的第一模型对目标图像进行目标检测，确定目标图像中的大尺度目标物体的第一位置信息；其中，第一模型为具有目标物体检测能力的深度卷积神经网络模型。本发明可以提高大尺度图像目标检测的准确率。

公开(公告)号：CN111178207A

公开(公告)日：2020-05-19

申请号：CN201911328287.X

申请日：2019-12-20

Applicant: 北京邮电大学

Inventor： 尤亚楠 ,  冉伯浩 ,  刘芳 ,  李泽中

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供了基于复数平面坐标系定位的目标检测方法，包括：获取待检测图像；将待检测图像输入目标检测DCNN模型确定待检测目标的类型及在待检测图像中位置，其中目标检测DCNN模型通过以下步骤生成：获取初始目标检测DCNN模型及图像样本；标记目标对象的位置得到标记矩形框；基于标记矩形框以及复数平面坐标系确定真值向量(x*，y*，w*，h*，α*，β*)；标记目标对象的类型得到标记类型，将标记类型及真值向量确定为标定标签；将图像样本输入初始目标检测DCNN模型得到预测标签；基于预测标签及标定标签的差异调整模型的参数得到目标检测DCNN模型。采用本发明实施例，可以提高检测结果中目标定位的准确度。