-
公开(公告)号:CN110909550A
公开(公告)日:2020-03-24
申请号:CN201911106399.0
申请日:2019-11-13
Applicant: 北京环境特性研究所
IPC: G06F40/30
Abstract: 本申请涉及一种文本处理方法、装置、电子设备和计算机可读存储介质,文本处理方法包括:获取目标文本的目标文本序列,从所述目标文本序列中提取出主题词序列;分别获取所述目标文本序列中各个词语与所述主题词序列之间的语义距离,基于所述语义距离确定所述目标文本的关键词序列;获取所述关键词序列中各个关键词的向量,以构建词向量矩阵;通过预设的随机梯度下降算法获取所述目标文本的语义权重参数矩阵;根据所述词向量矩阵和所述语义权重参数矩阵获取所述目标文本的语义向量。本申请提供的文本处理方法可以更准确地表达目标文本的语义。
-
公开(公告)号:CN115690595A
公开(公告)日:2023-02-03
申请号:CN202211105012.1
申请日:2022-09-09
Applicant: 北京环境特性研究所
IPC: G06V20/13 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及遥感图像处理技术领域,特别涉及一种高光谱图像分类方法、装置、电子设备及存储介质,其中方法包括获取有分类标签的高光谱图像数据集,确定所有分类及各分类对应的像素点数据;确定训练样本集的数据量;基于训练样本集的数据量、所有分类的总数及各分类对应的像素点数据得到训练样本集,并将剩余像素点数据组成测试样本集;构建分类模型;根据投票通道的总数,通过装袋法对训练样本集进行有放回均匀采样,得到新增的训练样本集;基于训练样本集对分类模型中的各路投票通道进行训练;对训练后的分类模型进行测试;获取高光谱图像数据,输入分类模型进行识别与分类,得到分类结果。本发明能够提升高光谱图像分类的准确性和稳定性。
-
公开(公告)号:CN109711381B
公开(公告)日:2021-03-23
申请号:CN201910007003.0
申请日:2019-01-04
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种遥感图像的目标识别方法,其获取训练遥感图像,以及,获取与所述训练遥感图像对应的标准识别结果;对预设神经网络进行优化,获取优化神经网络;其中,所述优化神经网络具有至少两个不同尺度的用于检测图像的感知域;根据所述训练遥感图像和所述标准识别结果,训练所述优化神经网络,得到训练神经网络;将待识别的遥感图像输入所述训练神经网络,得到所述遥感图像的目标识别结果;能够有效降低成本,并且能够对遥感图像实时检测,且精度较高。
-
公开(公告)号:CN112700005B
公开(公告)日:2024-02-23
申请号:CN202011576874.3
申请日:2020-12-28
Applicant: 北京环境特性研究所
Abstract: 一种基于蒙特卡洛树搜索的异常事件处理方法和装置,包括:监测深海安全事件推演场景中异常事件;当所述异常事件(如海底电缆断裂等)发生时;通过对异常事件处理方案空间进行采样建立蒙特卡洛搜索树;并确定异常事件发生后的待选处置方案的选择;确定采取每一种所述待选处置方案所取得的收益,对所述异常事件造成的影响进行评估;确定使所述异常事件造成的全局损失最小的处置方案,获得最优的异常事件处置方案(如最优的带宽分配策略等)。从而降低该异常事件对经济、民生等方面的安全影响范围及影响程度。
-
公开(公告)号:CN114187221A
公开(公告)日:2022-03-15
申请号:CN202111513619.9
申请日:2021-12-13
Applicant: 北京环境特性研究所
IPC: G06T5/50 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于自适应权重学习的红外与可见光图像融合方法,基于像素级注意力机制与融合权重自适应生成构建了深度特征自适应提取模块,并通过跨层级级联方式基于深度特征自适应提取模块搭建了生成器网络;基于孪生网络思想,搭建了双通道鉴别器网络;将红外与可见光图像进行初步的连接操作后输入至生成器后生成融合图像,通过生成器与判别器的博弈对抗完成红外图像与可见光图像的融合生成;本发明融入了像素级注意力机制以及层次级联思想,能够降低网络参数量的情况下增强网络深度特征提取能力,提高红外与可见光图像的融合图像生成质量,实现了红外图像与可见光图像的融合增强。
-
公开(公告)号:CN112415514A
公开(公告)日:2021-02-26
申请号:CN202011278930.5
申请日:2020-11-16
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种目标SAR图像生成方法及装置、计算机设备、计算机可读存储介质,该方法包括:获取真实的SAR图像数据构成训练集;由一组训练样本中选出N个方位角连续的SAR真实图像,利用卷积神经网络提取特征;将首个SAR真实图像的单图特征和连续N个SAR真实图像的整体关系特征输入生成对抗网络的生成器,得到N‑1个SAR生成图像;通过生成对抗网络的判别器,对N‑1个SAR生成图像和相对应的N‑1个SAR真实图像分别进行特征对比,利用损失函数衡量SAR生成图像和SAR真实图像的相似度;得到完成训练的生成对抗网络,随机生成SAR生成图像。本发明可实现SAR图像数据的外推生成,以完善并扩充数据量。
-
公开(公告)号:CN112270370A
公开(公告)日:2021-01-26
申请号:CN202011226859.6
申请日:2020-11-06
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种车辆表观毁伤评估方法、计算机设备及计算机可读存储介质,该方法包括:进行尺寸归一化处理;分两路进行灰度化,一路直接进行灰度化处理,得到含目标及背景的灰度图像,另一路先利用目标语义分割模型进行像素级分割,分割出目标区域,再对分割得到的图像进行灰度化处理,得到只含目标的灰度图像;基于卷积神经网络构建特征提取模型,对得到的含目标及背景的灰度图像和只含目标的灰度图像分别进行高维特征提取;对得到的两路目标高维卷积特征进行特征融合;利用全连接网络对最终目标融合特征进行回归计算,并输出一个0~1范围内的连续值,作为车辆目标表观毁伤程度评估值。本发明能够实现车辆表观毁伤的快速量化评估。
-
公开(公告)号:CN110910422A
公开(公告)日:2020-03-24
申请号:CN201911105866.8
申请日:2019-11-13
Applicant: 北京环境特性研究所
Abstract: 本申请涉及一种目标跟踪方法、装置、电子设备和计算机可读存储介质,方法包括:获取多帧图像,从多帧图像的初始帧图像中识别出初始目标,依次在初始帧图像的后续帧图像中对初始目标进行跟踪;若连续跟踪的图像帧数或所述初始目标的目标置信度符合预设条件,停止对当前帧图像中的初始目标的跟踪;基于预设的检测算法对当前帧图像进行检测,得到检测目标;从得到的检测目标中获取初始目标;将当前帧图像作为新的初始帧图像,并执行基于预设的目标跟踪算法依次在初始帧图像的后续帧图像中对初始目标进行跟踪。本申请提供的目标跟踪方法可以提高对目标跟踪的准确率。
-
公开(公告)号:CN110826566A
公开(公告)日:2020-02-21
申请号:CN201911059934.1
申请日:2019-11-01
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种基于深度学习的目标切片提取方法,该方法包括:基于原始图像确定待提取的目标,针对目标搭建深度卷积神经网络并进行训练;将原始图像输入训练好的深度卷积神经网络,通过深度卷积神经网络对含背景的原始图像进行像素级目标背景分离,实现目标分割;根据分离背景得到的目标图像和切片预定尺寸,获取目标切片图像并调整其尺寸;判断调整后的目标切片图像是否存在缺失像素,如存在,则计算缺失尺寸并进行相应的缺失填充,得到最终的目标切片。该方法实现了目标自动检索、像素分割,支持批量制备目标切片,保证目标切片提取过程中不会被随意裁剪、缩放的同时,实现目标切片提取的智能化、高效化。
-
公开(公告)号:CN110781839A
公开(公告)日:2020-02-11
申请号:CN201911037783.X
申请日:2019-10-29
Applicant: 北京环境特性研究所
Abstract: 本发明涉及目标识别技术领域,尤其涉及一种基于滑窗的大尺寸图像中小目标识别方法,包括如下步骤:滑窗设置、根据待检测的原始图像及深度神经网络的输入要求,设置滑窗规格与滑窗步长;图像分割、基于设置好的滑窗分割原始图像,记录各个滑窗编号、坐标以及分割得到的区域图像;目标识别、设置深度神经网络参数,将各个滑窗分割得到的区域图像依次输入深度神经网络,对各滑窗区域图像进行目标检测识别,并记录每个目标的识别结果;结果处理及反馈、对各滑窗区域图像识别结果进行解析,输出最终识别结果。该方法可解决当前机载、卫星图像等大尺寸图像无法实现小目标直接检测识别以及直接分割图像易导致目标被分裂而无法识别的问题。
-
-
-
-
-
-
-
-
-