-
公开(公告)号：CN117611883B
公开(公告)日：2024-08-30
申请号：CN202311499603.6
申请日：2023-11-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于本质因果推理的细粒度分类方法及系统，所述方法的步骤包括：将遥感图像输入到预设的骨干网络中，通过所述骨干网络输出本征特征张量；将所述本征特征张量输入到因果多头注意力模块中，通过所述因果多头注意力模块输出注意力特征图；将所述本征特征张量和注意力特征图输入到注意力池化模块，所述注意力池化模块对所述本征特征张量和注意力特征图进行扁平化处理，基于扁平化处理后的本征特征张量和注意力特征图，得到本质特征向量；将所述本质特征向量输入到预设的特征解耦合网络中，所述特征解耦合网络设置有分类器，通过所述分类器输出得到分类结果。
-
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
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：CN109583369A
公开(公告)日：2019-04-05
申请号：CN201811439484.4
申请日：2018-11-29
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于目标区域分割网络的目标识别方法及装置，方法包括：获取待处理的遥感图像，并对遥感图像进行图像切分，得到多个子图像；将各子图像输入预先训练得到的特征提取网络中，得到各子图像对应的各特征图；将各特征图分别输入预先训练得到的目标位置提取网络和目标区域分割网络中，得到各特征图对应的候选框和目标区域分割结果，并根据目标区域分割结果，将各特征图中属于非目标区域的部分置为0；将各特征图输入预先训练得到的目标分类网络中，得到标注有各目标位置的目标特征图，并将各目标特征图进行融合和格式恢复，得到遥感图像对应的识别结果图像。本实施例能够准确的对遥感图像进行目标识别。
-
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
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：CN110161502A
公开(公告)日：2019-08-23
申请号：CN201910449682.7
申请日：2019-05-28
Applicant: 北京邮电大学
IPC: G01S13/90
Abstract: 本发明实施了一种星载多基线InSAR叠加数据的滤波方法及装置。该方法中：对星载多基线InSAR叠加数据形成的复张量进行归一化，得到归一化张量；分别利用归一化张量中元素的实部数值和虚部数值组成实部张量和虚部张量；利用KBR-RPCA算法，分别对实部张量和虚部张量进行分解得到实部的低秩张量和虚部的低秩张量；判断实部的低秩张量和虚部的低秩张量是否满足预定的约束条件；如果是，将实部的低秩张量和虚部的低秩张量相加的结果作为对星载多基线InSAR叠加数据的滤波结果。本发明可以利用KBR-RPCA算法滤除星载多基线InSAR叠加数据中的的高斯噪声和离值量。
-
Patent Agency Ranking
公开(公告)号：CN108183736A
公开(公告)日：2018-06-19
申请号：CN201711463203.4
申请日：2017-12-28
Applicant: 北京邮电大学
IPC: H04B7/0456 , H04L25/02
Abstract: 本发明实施例提供了一种基于机器学习的发射机码字选择方法、装置和发射机，所述方法包括：获取发射机的当前参数信息；将所述当前参数信息输入到预先经过机器学习训练好的分类模型中，得到发射机码字，并形成用于发送的模拟信号波束。从而降低通信系统中发射机码字选择的复杂度，同时适用于信道剧烈变化、发射机进行初始接入或者发射机没有初始最优码字的情况。
-
公开(公告)号：CN117152618B
公开(公告)日：2024-08-30
申请号：CN202311336137.X
申请日：2023-10-16
Applicant: 北京邮电大学
IPC: G06V20/10 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048
Abstract: 本申请提供一种遥感图像中时敏目标变化检测方法及装置，所述方法包括：构建各个经时敏目标检测后的遥感图像各自对应的时空关系图；所述时空关系图包括：所述遥感图像中各个所述时敏目标和各个所述时敏目标之间的关系；基于图卷积层和图池化层对各个所述时空关系图进行空间信息提取，得到各个所述时空关系图各自对应的空间关系嵌入序列；基于长短期记忆网络将各个所述空间关系嵌入序列转换为时空嵌入向量；基于多层感知机层和激活函数对所述时空嵌入向量进行图像检测，得到时敏目标变化检测结果。本申请能够有效提高遥感图像变化检测的准确率，有效增强检测结果的稳定性以及有效提取时敏目标的语义信息。
-
公开(公告)号：CN116310634A
公开(公告)日：2023-06-23
申请号：CN202310141473.2
申请日：2023-02-07
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V20/10 , G06V10/40
Abstract: 本发明提供一种面向多源遥感数据的融合图像模型训练方法、生成方法及装置，包括：获取多个合成孔径雷达图像和可见光图像对；获取初始融合图像模型和判别器；初始融合图像模型包括特征提取模块、特征融合模块以及融合图像生成模块；特征提取模块为双流网络，每条支路采用结构相同的预设神经网络，每个预设神经网络均由多个卷积块构成，两条支路上前设定数量个卷积块的参数保持对称，每个卷积块间设有核权重自适应优化模块；融合图像生成模块由生成器与判别器组成的生成对抗网络构建，基于融合图像、合成孔径雷达图像和可见光图像构建正负样本训练模型，以得到用于生成合成孔径雷达图像和可见光图像融合图像的融合图像模型。
-
公开(公告)号：CN114022522A
公开(公告)日：2022-02-08
申请号：CN202111004716.5
申请日：2021-08-30
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于多尺度感受野的多时相遥感图像配准方法及系统，包括：获取多组多时相遥感图像，并对各多时相遥感图像根据预定方式进行处理，得到样本训练集；基于小感受野特征网络和大感受野特征网络构建卷积神经网络模型，并对卷积神经网络模型进行训练；基于训练后的卷积神经网络模型获取源图像的图像块的小感受野特征向量及目标图像的小感受野特征张量，构建小感受野特征距离图；基于小感受野特征距离图确定目标图像的小感受野特征张量上的与小感受野特征向量相似度最高的向量，并生成关键点匹配对；保留正确的关键点匹配对，根据正确的关键点匹配对计算源图像与目标图像之间的空间变换关系参数，基于空间变换关系参数进行图像配准。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.024 seconds)
