-
公开(公告)号：CN115100532B
公开(公告)日：2023-04-07
申请号：CN202210921934.3
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/0464 , G06N3/0985 , G06N5/02 , G06N5/04 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种小样本遥感图像目标检测方法和系统，所述小样本遥感图像目标检测方法包括：利用基础训练网络训练基类数据，其中，所述基础训练网络包括针对遥感图像建立的知识图谱；利用微调训练网络训练小样本数据，所述小样本数据包括经所述基础训练网络训练后的基类数据和新类数据。本发明的基础训练网络上训练完成的基类数据与新类数据一起构成微调训练网络的样本数据集，使得基础训练阶段训练好的网络可以通过微调训练很好地泛化到当前遥感图像小样本目标检测任务中，且知识图谱的知识输入可以为网络提供先验知识，可以在样本数量少、样本获取难度大的情况下，高效地训练出具备良好性能的目标检测网络。
-
公开(公告)号：CN115908908A
公开(公告)日：2023-04-04
申请号：CN202211425887.X
申请日：2022-11-14
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/22 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于图注意力网络的遥感图像聚集型目标识别方法及装置，所述方法包括：构建并训练基于Oriented R‑CNN的目标候选区域检测定位模型；采用训练好的基于Oriented R‑CNN的目标候选区域检测定位模型检测遥感图像中目标的候选区域，并提取对应的特征，根据所述候选区域的位置关系构建图结构数据集；将所述候选区域的位置编码引入图注意力网络，构建图节点分类网络模型；利用所述图结构数据集训练所述图节点分类网络模型，对遥感图像中目标的候选区域的特征进行聚合和更新，实现目标的分类。本发明可以对遥感图像中尺寸小、外观模糊的聚集型目标进行准确识别并提高识别精度。
-
公开(公告)号：CN115019184B
公开(公告)日：2023-02-07
申请号：CN202210900866.2
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于遥感影像的石漠化程度自动分级方法及装置，该方法包括：获取石漠化区域的原始遥感影像和高程数据，并进行预处理；利用处理后的遥感影像反演所述石漠化区域的基岩裸露率和植被覆盖度，利用处理后的高程数据计算坡度数据；将所述基岩裸露率、所述植被覆盖度、所述坡度数据和所述原始遥感影像进行融合，得到样本数据，对所述样本数据的石漠化程度进行等级区分和标注，获得标签文件；构建CKRD‑DNN模型，并利用所述样本数据和所述标签文件进行训练；利用训练好的CKRD‑DNN模型对待分级的石漠化区域遥感影像进行识别和判定，得到分级结果。本发明可以实现大范围石漠化区域不同发育程度石漠化的高效自动分级和判定。
-
公开(公告)号：CN115115939A
公开(公告)日：2022-09-27
申请号：CN202210899281.3
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于特征注意力机制的遥感图像目标细粒度识别方法，包括：对原始遥感图像的目标数据和目标特征数据进行标注；对所述原始遥感图像、所述标注的目标数据和目标特征数据进行处理和增强，获得三组数据集；构建目标‑特征注意力模型；将处理和增强后的三组数据集输入所述目标‑特征注意力模型进行训练，利用训练好的目标‑特征注意力模型完成所述原始遥感图像中的目标细粒度的型号级识别。本发明可以实现遥感影像飞机等目标的高精度精细化型号级识别。
-
公开(公告)号：CN115100652A
公开(公告)日：2022-09-23
申请号：CN202210921803.5
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于高分遥感图像的电子地图自动化生成方法，包括：建立全景分割模型，利用全景分割模型提取遥感图像的特征，生成遥感图像特征图；利用全景分割模型的实例分割分支对遥感图像特征图的目标进行实例标注，利用全景分割模型的语义分割分支对遥感图像特征图的地物要素进行语义标注，获得实例标签和语义标签；对实例标签和语义标签进行空间层级排序，获取每个标签的像素排序得分；利用像素排序得分为基准生成全景分割图像；利用边缘优化算法对全景分割图像进行优化；利用位图矢量化成图方法对优化后的全景分割图像生成电子地图。本发明可由高分辨率遥感影像生成电子地图，提升对目标实例分割和地物要素边缘的提取和优化能力。
-
Patent Agency Ranking
公开(公告)号：CN115019183A
公开(公告)日：2022-09-06
申请号：CN202210900359.9
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于知识蒸馏和图像重构的遥感影像模型迁移方法，包括：在样本充足和标注完整的数据集A中训练第一目标检测模型，获得教师模型；利用知识蒸馏对所述教师模型进行压缩，获得学生模型，并在样本不足的数据集B中进行训练；利用训练后的学生模型对与所述数据集B的数据类型相同的待测试数据进行判别，获得第一判别结果；重构所述待测试数据，使所述待测试数据与所述数据集A的数据类型相同，利用所述教师模型对重构后的待测试数据进行判别，获得第二判别结果；将所述第一判别结果和所述第二判别结果的全连接层进行加权融合，获得用于判别所述待测试数据的第二目标检测模型。该方法可实现不同类型遥感影像的模型迁移。
-
公开(公告)号：CN114998749A
公开(公告)日：2022-09-02
申请号：CN202210900855.4
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种用于目标检测的SAR数据扩增方法，包括：获取原始SAR图像数据集及其标注信息；对所述原始SAR图像数据集进行目标检测，结合所述标注信息，构建负样本集；利用所述标注信息获得所述原始SAR图像数据集中的目标样本，构建方位角目标样本集；构建基于自注意力机制的生成对抗网络，利用所述负样本集和所述方位角目标样本集对所述生成对抗网络进行迭代训练；评估所述生成对抗网络生成的样本质量，获得高质量的生成样本；在所述原始SAR图像数据集中插入所述高质量的生成样本，以及对应的标注信息。本发明实现SAR数据的自动扩增，提升SAR图像目标识别任务训练集中目标样本的多样性和均衡性。
-
公开(公告)号：CN114998748A
公开(公告)日：2022-09-02
申请号：CN202210900842.7
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/52 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标精细识别方法、电子设备及存储介质，以遥感图像提取的目标特征向量作为输入，充分利用其中编码的多实例信息，将同一幅图片上各实例的相似度信息进行对比学习，结合粗粒度的任意目标检测网络进行端到端的训练，而无需额外设计，通过已知的目标类别标签应用于分类损失以训练相似度计算网络；同时应用于对比损失，增大相同细粒度类别实例之间的相似度，而削减不同细粒度类别实例之间的相似度，增强了模型对实例之间的辨别区分能力。
-
公开(公告)号：CN112036419A
公开(公告)日：2020-12-04
申请号：CN202010978115.3
申请日：2020-09-17
Applicant: 南京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明公开了一种基于VGG-Attention模型的SAR图像部件解译方法，首先对原始VGG网络进行改进，并在改进后的VGG网络中添加注意力模块，得到VGG-Attention模型，在训练过程中输入给定标签的SAR图像，VGG-Attention模型提取SAR图像的整体数据特征，残差注意力模块将所提取的深层特征中的重要特征进行加强和集中，通过优化网络参数实现对SAR图像显著部件的解译。本发明在不降低解译效果的前提下减少了训练所需时间，提升了网络的鲁棒性，能有效对SOC和大俯仰角EOC条件下的SAR目标图像中的显著部件进行较准确的解译。
-
公开(公告)号：CN110889380A
公开(公告)日：2020-03-17
申请号：CN201911197420.2
申请日：2019-11-29
Applicant: 北京卫星信息工程研究所
Abstract: 本发明公开一种舰船识别方法、装置及计算机存储介质，所述方法包括：获取第一舰船第一设定时间序列的第一自动识别系统AIS数据和合成孔径雷达SAR图像；所述SAR图像包括至少一个第二舰船；基于第一AIS数据和所述SAR图像，从所述至少一个第二舰船中确定与所述第一舰船关联的第二舰船；基于所述第一AIS数据和与所述第一舰船关联的第二舰船，确定所述第一舰船的类别。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.041 seconds)
