-
公开(公告)号：CN116403122A
公开(公告)日：2023-07-07
申请号：CN202310403526.3
申请日：2023-04-14
Applicant: 北京卫星信息工程研究所
IPC: G06V20/13 , G06V10/764 , G06V10/25
Abstract: 本发明涉及一种无锚框定向目标检测方法，包括：S100，获取至少一幅包含待检测目标的卫星遥感图像；S200，以Resnet101为主干网络，提取所述卫星遥感图像的降采样4、8、16、32倍的特征C2、C3、C4、C5；S300，根据C2、C3、C4、C5构建FPN网络；S400，将所述FPN网络中的上采样和横向连接，替换为特征选择与对齐，对C2、C3、C4、C5进行融合处理，得到多尺度特征P3、P4、P5、P6、P7；S500，采用旋转边界框进行目标检测；S600，对目标检测算法进行优化，驱动目标检测网络在训练过程中学习目标的遥感方向信息。本发明可提高遥感目标检测对空间尺度大小与方向任意的目标的检测能力。
-
公开(公告)号：CN116524358B
公开(公告)日：2024-05-03
申请号：CN202310460249.X
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种用于目标识别的SAR数据集扩增方法，包括：获取包含目标的SAR数据集并进行预处理；通过核心特征提取模块和散射特征提取模块分别提取目标的核心特征信息和散射特征信息；将所述核心特征信息输入第一级生成对抗网络，得到低分辨率图像；将所述低分辨率图像和所述散射特征信息输入第二级生成对抗网络，得到高分辨率图像，对SAR数据集进行扩增。通过实施本发明的上述方案，两级生成对抗网络、核心特征提取模块和散射特征提取模块的结合使用，可以使两级生成对抗网络分级学习图像中目标的粗略核心特征和精细散射特征，降低单级网络的学习难度，同时可以扩增获得质量高、细节更为真实的SAR目标图像切片。
-
公开(公告)号：CN116485652B
公开(公告)日：2024-03-01
申请号：CN202310465820.7
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06T3/4053 , G06T3/4023 , G06T7/13 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/54 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种遥感影像车辆目标检测的超分辨率重建方法，包括：构建不同场景下丰富的高分辨率遥感影像数据集，对所述高分辨率遥感影像数据集进行预处理；根据所述高分辨率遥感影像数据集得到对应的低分辨率遥感影像数据集，构建目标超分重建数据集；提取所述低分辨率遥感影像数据集中低分辨率遥感影像的边缘特征；构建超分辨率重建模型，利用所述目标超分重建数据集和所述边缘特征训练优化所述超分辨率重建模型；利用所述超分辨率重建模型对目标进行高分辨率恢复和重建。通过实施本发明的上述方案，有效解决车辆目标因呈现出弱小特性而导致其检测率较低的问题，有效改善目标
-
公开(公告)号：CN116503733B
公开(公告)日：2024-02-06
申请号：CN202310460255.5
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/46 , G06V10/764 , G06T7/73
Abstract: 本发明涉及一种遥感图像目标检测方法、设备及存储介质，遥感图像目标检测方法包括以下步骤：获取遥感图像及其对应的目标类别标签；获取遥感图像中目标的关键特征；构建基于多尺度直方图对比的改进视觉显著模型，对遥感图像中的目标进行粗略检测；提取粗检测后的目标特征算子，构建目标特征显著图，进行遥感图像中目标的高精度检测；利用目标在遥感图像中的分布规律，完成目标的识别和定位。本发明，能够适用于背景环境复杂的遥感图形，有利于降低虚警，减小其他类型虚假目标对目标定位的影响，不仅可以实现遥感图像中目标的检测，还可以通过目标特征及目标的排布方式进行目标的识别，
-
公开(公告)号：CN116434065B
公开(公告)日：2023-12-19
申请号：CN202310423497.7
申请日：2023-04-19
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种全色几何校正遥感影像的水体分割方法，包括：获取包含陆地和水域的原始全色遥感影像并进行预处理；根据预处理后的全色遥感影像的亮度和梯度确定保留的像素点；根据分辨率对像素点处理后的全色遥感影像进行图像腐蚀；利用种子点区域增长算法进行水体区域增长；剔除非水体区域。通过实施本发明的上述方案，通过全色几何校正遥感影像的亮度值、梯度值和水体目标区域整体形状的处理，可以快速高效地从全色几何校正遥感影像中提取出水体区域，不依赖于高性能的计算资源。
-
Patent Agency Ranking
公开(公告)号：CN116630794A
公开(公告)日：2023-08-22
申请号：CN202310457764.2
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
IPC: G06V20/10 , G06V10/77 , G06V10/80 , G06V10/766 , G06V10/764 , G06T7/73 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于排序样本选择的遥感图像目标检测方法、电子设备，获取遥感图像及对应的目标标签，并进行预处理；通过特征提取主干网络以及特征金字塔网络，得到对应的多尺度特征图；构建分类分支网络以及位置及角度回归分支网络，对多尺度特征图进行预测，获得目标预测值；利用目标标签以及预测值，在多尺度特征图上计算得到交并比自适应阈值，筛选样本点以获得满足条件的正负样本；计算分类排序损失、定位排序损失以及回归损失进行网络训练；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，缓解正负样本不均衡导致传统分类能力难以学习的问题，促进目标检测性能提升，对高分辨率遥感图像旋转框目标检测具有重要意义。
-
公开(公告)号：CN116524358A
公开(公告)日：2023-08-01
申请号：CN202310460249.X
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种用于目标识别的SAR数据集扩增方法，包括：获取包含目标的SAR数据集并进行预处理；通过核心特征提取模块和散射特征提取模块分别提取目标的核心特征信息和散射特征信息；将所述核心特征信息输入第一级生成对抗网络，得到低分辨率图像；将所述低分辨率图像和所述散射特征信息输入第二级生成对抗网络，得到高分辨率图像，对SAR数据集进行扩增。通过实施本发明的上述方案，两级生成对抗网络、核心特征提取模块和散射特征提取模块的结合使用，可以使两级生成对抗网络分级学习图像中目标的粗略核心特征和精细散射特征，降低单级网络的学习难度，同时可以扩增获得质量高、细节更为真实的SAR目标图像切片。
-
公开(公告)号：CN116450632A
公开(公告)日：2023-07-18
申请号：CN202310421521.3
申请日：2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/215 , G06F16/29
Abstract: 本发明涉及一种地理样本数据质量评估方法、设备及存储介质，地理样本数据质量评估方法包括：分析多应用层级的地理人工智能样本数据的质量特征，建立多应用层级的样本数据质量指标体系；确定进行质量评估的地理人工智能样本数据集的特征与质量规范；确定进行质量评估的地理人工智能样本数据集的质量评估规范；执行地理人工智能样本数据质量评估，获取质量评估结果；基于质量评估结果，生成地理人工智能样本数据质量评估报告。本发明，能够满足像素级、目标级、场景级多应用层级的地理人工智能样本数据的质量评估需求，为地理人工智能样本数据的质量评估提供系统性参考，从而帮助提高样本数据的可靠性。
-
公开(公告)号：CN116434065A
公开(公告)日：2023-07-14
申请号：CN202310423497.7
申请日：2023-04-19
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种全色几何校正遥感影像的水体分割方法，包括：获取包含陆地和水域的原始全色遥感影像并进行预处理；根据预处理后的全色遥感影像的亮度和梯度确定保留的像素点；根据分辨率对像素点处理后的全色遥感影像进行图像腐蚀；利用种子点区域增长算法进行水体区域增长；剔除非水体区域。通过实施本发明的上述方案，通过全色几何校正遥感影像的亮度值、梯度值和水体目标区域整体形状的处理，可以快速高效地从全色几何校正遥感影像中提取出水体区域，不依赖于高性能的计算资源。
-
公开(公告)号：CN119810429A
公开(公告)日：2025-04-11
申请号：CN202510299055.5
申请日：2025-03-13
Applicant: 北京卫星信息工程研究所
IPC: G06V10/25 , G06V20/10 , G06V20/70 , G06V10/44 , G06V10/52 , G06V10/42 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/09 , G06N3/048
Abstract: 本发明涉及一种基于层级知识引导的可见光遥感图像目标细粒度检测方法，包括：获取可见光遥感图像数据，构建多语义层级的标签体系；提取可见光遥感图像特征，通过RPN网络生成多尺度感兴趣区域特征；对多尺度的感兴趣区域特征采用多支路提取多层级的语义特征；对多层级的语义特征进行相邻层级的局部‑全局特征融合，得到增强特征；使用多个层级标签监督多层级分类，在第一语义层级监督回归；在推理阶段精简网络结构，提高推理速度。本发明，针对可见光遥感图像中的多类目标，实现了目标细粒度检测过程中的层级关系及信息的注入，结合多层特征融合，增强网络对目标的共有特征和细粒度特征的提取和学习。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.03 seconds)
