-
公开(公告)号：CN116385903B
公开(公告)日：2023-09-19
申请号：CN202310617437.9
申请日：2023-05-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/13 , G06V10/40 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种面向1级遥感数据的抗畸变在轨目标检测方法与模型，该方法包括步骤：S1、构建抗畸变网络模块，所述抗畸变网络模块用于对1级遥感影像进行畸变校正；S2、在目标检测的主干特征提取网络中深层特征提取模块前添加所述抗畸变网络模块，构建在轨目标检测模型；S3、利用1级遥感影像样本库在地面训练所述在轨目标检测模型，训练好的在轨目标检测模型上传至卫星端；S4、将卫星在轨获取的0级遥感信号处理成1级遥感影像送入当前最新的在轨目标检测模型中进行实时在轨目标检测。
-
公开(公告)号：CN118038292A
公开(公告)日：2024-05-14
申请号：CN202410436312.0
申请日：2024-04-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/13 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/0495 , G06N3/082
Abstract: 一种面向卫星在轨计算的目标识别装置和方法，该装置具有RepSViT网络，其是基于脉冲神经网络的视觉Transformer，RepSViT网络包括脉冲分块SPS模块以及多个特征提取层级，其中，脉冲分块SPS模块和多个特征提取层级中至少有一者使用了动态空洞脉冲卷积D2SC，动态空洞脉冲卷积D2SC包括串联的多步LIF和动态空洞卷积，其中多步LIF对输入进行二进制编码以便后续计算均为脉冲计算，动态空洞卷积使用单核全维动态卷积SODC实现强力特征提取，同时通过控制其空洞率实现大感受野特征提取。所提RepSViT模型首次引入SNN到卫星在轨计算，在公开舰船细粒度识别数据集FGSC23上进行了消融实验以及与先进方法的对比实验，实验证明了所提模型的有效性和先进性，满足卫星在轨计算“轻、快、准”的要求。
-
公开(公告)号：CN116385903A
公开(公告)日：2023-07-04
申请号：CN202310617437.9
申请日：2023-05-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/13 , G06V10/40 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种面向1级遥感数据的抗畸变在轨目标检测方法与模型，该方法包括步骤：S1、构建抗畸变网络模块，所述抗畸变网络模块用于对1级遥感影像进行畸变校正；S2、在目标检测的主干特征提取网络中深层特征提取模块前添加所述抗畸变网络模块，构建在轨目标检测模型；S3、利用1级遥感影像样本库在地面训练所述在轨目标检测模型，训练好的在轨目标检测模型上传至卫星端；S4、将卫星在轨获取的0级遥感信号处理成1级遥感影像送入当前最新的在轨目标检测模型中进行实时在轨目标检测。
-
公开(公告)号：CN116340733B
公开(公告)日：2023-09-01
申请号：CN202310617443.4
申请日：2023-05-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明公开了基于0级遥感信号的在轨云检测方法及遥感数据处理方法，在轨云检测方法包括以下步骤：S1、构建高维特征低维映射数学模型，用于将高维影像数据降维映射到1维数据；S2、准备1级遥感影像数据集，利用所述高维特征低维映射数学模型将数据集中的1级遥感影像降维映射到一维，建立0级遥感信号数据集；S3、利用所述0级遥感信号数据集训练轻量云检测模型；S4、将步骤S3训练好的所述轻量云检测模型上传至卫星端，并将卫星在轨获取的0级遥感信号送入所述轻量云检测模型，进行在轨云检测。遥感数据处理方法，包括：按照前述步骤进行在轨云检测，检测结果剔除无效数据后再进行成像。
-
公开(公告)号：CN116340733A
公开(公告)日：2023-06-27
申请号：CN202310617443.4
申请日：2023-05-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明公开了基于0级遥感信号的在轨云检测方法及遥感数据处理方法，在轨云检测方法包括以下步骤：S1、构建高维特征低维映射数学模型，用于将高维影像数据降维映射到1维数据；S2、准备1级遥感影像数据集，利用所述高维特征低维映射数学模型将数据集中的1级遥感影像降维映射到一维，建立0级遥感信号数据集；S3、利用所述0级遥感信号数据集训练轻量云检测模型；S4、将步骤S3训练好的所述轻量云检测模型上传至卫星端，并将卫星在轨获取的0级遥感信号送入所述轻量云检测模型，进行在轨云检测。遥感数据处理方法，包括：按照前述步骤进行在轨云检测，检测结果剔除无效数据后再进行成像。
-
Patent Agency Ranking
公开(公告)号：CN114419457B
公开(公告)日：2025-05-16
申请号：CN202111602245.8
申请日：2021-12-24
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V20/13 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/0495
Abstract: 本申请提出的面向旋转摆扫超宽幅卫星的目标在轨智能检测方法、装置及存储介质中，构建轻量目标检测模型，并使用历史遥感影像数据集对轻量目标检测模型进行调优，得到最优轻量目标检测模型，然后将获取的待检测遥感影像通过最优轻量目标检测模型中的轻量特征提取主干网络得到主干网络输出特征图，再将主干网络输出特征图经过多个不同卷积操作得到多个尺度的特征图，并将多个尺度的特征图分别通过对应的检测器分类器，得到对应的多个预设框，对多个预设框进行快速极大值抑制处理得到目标检测结果。本申请提出的方法，无需依赖专家经验，减少了参数量和计算量，降低了模型大小和算力消耗，提高了卫星在轨目标检测效率，实现了卫星对目标的快速检测。
-
公开(公告)号：CN114419457A
公开(公告)日：2022-04-29
申请号：CN202111602245.8
申请日：2021-12-24
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提出的面向旋转摆扫超宽幅卫星的目标在轨智能检测方法、装置及存储介质中，构建轻量目标检测模型，并使用历史遥感影像数据集对轻量目标检测模型进行调优，得到最优轻量目标检测模型，然后将获取的待检测遥感影像通过最优轻量目标检测模型中的轻量特征提取主干网络得到主干网络输出特征图，再将主干网络输出特征图经过多个不同卷积操作得到多个尺度的特征图，并将多个尺度的特征图分别通过对应的检测器分类器，得到对应的多个预设框，对多个预设框进行快速极大值抑制处理得到目标检测结果。本申请提出的方法，无需依赖专家经验，减少了参数量和计算量，降低了模型大小和算力消耗，提高了卫星在轨目标检测效率，实现了卫星对目标的快速检测。
-
公开(公告)号：CN115604314A
公开(公告)日：2023-01-13
申请号：CN202211212353.9
申请日：2022-09-29
Applicant: 哈尔滨工业大学(深圳)(CN)
Abstract: 本发明提出一种基于联合学习的低轨卫星诊断模型的隐私保护诊断方法，包括，采集目标地区的医疗诊断数据；通过地面站的疾病模型服务器构建医疗诊断模型，并通过卫星网络传送至所述目标地区的地面数据收集点；根据所述医疗诊断数据，对所述医疗诊断模型进行训练，得到模型更新参数；对所述模型更新参数进行加密保护，并将加密的模型更新参数通过所述卫星网络传送回所述地面站。通过本发明提出的方法，设计出了适应卫星物联网高动态、低功率和复杂拓扑环境的数据隐私保护机制，解决了数据安全收集和隐私模型聚合问题。
-
公开(公告)号：CN115600672A
公开(公告)日：2023-01-13
申请号：CN202211319122.8
申请日：2022-10-26
Applicant: 哈尔滨工业大学(深圳)(CN)
Abstract: 本发明提出一种基于金字塔知识蒸馏框架模型压缩极限分析方法，包括：构建金字塔结构的N组在线深度互学习模型；将每组在线深度互学习模型进行在线深度互学习，记录每组在线深度互学习模型中两个模型的参数量和模型性能；其中，从自下而上第2在线深度互学习模型组开始，进行在线深度互学习的同时，接受前一个在线深度互学习模型组离线知识蒸馏；提取第1模型组到第N‑1模型组所有模型的潜在表征送入自适应器生成教师重要性权重软标签对第N组在线深度互学习模型进行在线深度互学习，记录第N组模型的参数量和模型性能；根据每组在线深度互学习模型中两个模型的参数量和模型性能和第N组模型的参数量和模型性能分析出模型压缩比与精度的平衡点。
-
公开(公告)号：CN114419456A
公开(公告)日：2022-04-29
申请号：CN202111599881.X
申请日：2021-12-24
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提出的面向旋转摆扫超宽幅卫星的目标在轨智能识别方法、装置及存储介质中，首先构建轻量目标识别模型，然后使用历史遥感影像数据集对轻量目标识别模型进行调优，得到最优轻量目标识别模型，将获取的待识别遥感影像输入最优轻量目标识别模型，通过最优轻量目标识别模型中的浅层特征提取模块得到浅层特征图，并将浅层特征图输入多个串联的网络子模块，得到对应的特征图，再将特征图输入特征融合模块，得到待识别遥感影像的目标识别结果并输出。由此可知，本申请提出了一种在超宽幅卫星上对遥感影像进行目标识别的方法，从而满足了在星上资源受限的情况下，提升了卫星在轨目标识别效率，实现了卫星对目标的快速识别。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
