-
公开(公告)号：CN113673691A
公开(公告)日：2021-11-19
申请号：CN202110944948.2
申请日：2021-08-17
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明提供一种基于存算结合的多通道卷积FPGA架构及其工作方法，包括：外部存储器、特征图片上缓存模块、卷积权重片上缓存模块和卷积计算模块；外部存储器包括有第一外部存储器和第二外部存储器，第一外部存储器向特征图片上缓存模块输出特征图数据，第二外部存储器向卷积权重片上缓存模块输出卷积权重；特征图片上缓存模块和卷积权重片上缓存模块均与卷积计算模块连接，分别向卷积计算模块输出多个特征图数据窗口和多个卷积权重窗口；卷积计算模块根据特征图数据窗口和卷积权重窗口进行计算，并输出计算结果。本发明通过多通道并行输出数据流的方式，实现存算结合，提高了FPGA架构的数据传输效率。
-
公开(公告)号：CN119251612A
公开(公告)日：2025-01-03
申请号：CN202411121381.9
申请日：2024-08-15
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/774 , G06V20/64 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供基于TransCGAN仿真参数提取框架的SAR主轴预测数据集构建方法，包括：获取目标3D模型，根据目标3D模型，得到仿真SAR图像数据集；构建基于TransCGAN模型的参数预测网络；获取真实SAR图像，将仿真SAR图像数据集和真实SAR图像输入进参数预测网络，得到预测的目标待测参数；根据预测的目标待测参数得到目标SAR主轴预测数据集。本发明以目标3D模型和真实SAR图像为输入数据，训练TransCGAN网络获取SAR图像与仿真参数之间的关系，借助软件实现仿真参数到仿真SAR图像之间的转换，最终提取精确仿真参数得到目标SAR主轴预测数据集，用以目标主轴方向预测网络的训练。
-
公开(公告)号：CN112926533A
公开(公告)日：2021-06-08
申请号：CN202110358349.2
申请日：2021-04-01
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了基于双向特征融合的光学遥感图像地物分类方法及系统，涉及光学遥感图像成像技术领域，能够结合不同层的特征进行多尺度的特征融合，得到较好的特征融合结果。构建地物分类网络，用于执行如下步骤：对于输入图像，提取五个不同尺度的特征图，先分组融合然后交叉融合，生成最终融合结果。对所构建的地物分类网络进行训练，训练完成后的地物分类网络用于执行光学遥感图像的地物分类任务。本发明在融合时结合了浅层的细节信息和深层的语义信息，能够结合不同层的特征进行多尺度的特征融合，得到较好的特征融合结果。其中还采用了与特征图内容相关的上采样方式，能够更有效聚合不同层次的特征图。
-
公开(公告)号：CN112464733A
公开(公告)日：2021-03-09
申请号：CN202011213649.3
申请日：2020-11-04
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于双向特征融合的高分辨率光学遥感图像地物分类方法，本方案通过设计的包括上采样和下采样的双向特征融合结构，结合了浅层的细节信息和深层的语义信息，避免了之前的特征融合方式中存在的信息损失问题；同时设计了一种结合特征图语义信息的上采样方式，多次重复的融合操作更有效聚合不同层次的特征。从而提升了在遥感图像的地物分割效果，提高了分割的准确度。
-
公开(公告)号：CN111861918A
公开(公告)日：2020-10-30
申请号：CN202010677040.5
申请日：2020-07-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于SAR图像的海上溢油检测方法，将待检测SAR图像复制为两份，一份通过滤波处理后直接进行最大熵阈值分割，可以比较容易检测到大面积的溢油；另一份通过滤波处理后，先进行一次对比度增强处理，再进行最大熵阈值分割，可以比较容易检测出细节，避免漏检；之后将二者的处理结果进行融合，得到最终的识别结果图像，以此可以减少虚警，提高准确率；且本方案计算简单、运算时间短，可在在轨平台上进行实时处理。
-
Patent Agency Ranking
公开(公告)号：CN119107408A
公开(公告)日：2024-12-10
申请号：CN202411122492.1
申请日：2024-08-15
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明提供了一种基于Mamba参数提取网络的SAR图像仿真方法，本发明以目标物的3D模型和真实高清SAR图像为框架的输入数据，通过训练Mamba网络来获取SAR图像与仿真参数之间的映射关系，借助RaySAR软件实现仿真参数到仿真SAR图像之间的转换，最终实现从单一的真实SAR图像中提取精确的仿真参数并以此生成大量仿真SAR图像。相较于传统的SAR图像仿真方法，将机器学习与基于成像原理的仿真方法相结合，使用机器学习辅助SAR图像仿真，仿真速度更快，仿真效果更好，提高了真实SAR图像数据的利用率。
-
公开(公告)号：CN111861918B
公开(公告)日：2023-09-15
申请号：CN202010677040.5
申请日：2020-07-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于SAR图像的海上溢油检测方法，将待检测SAR图像复制为两份，一份通过滤波处理后直接进行最大熵阈值分割，可以比较容易检测到大面积的溢油；另一份通过滤波处理后，先进行一次对比度增强处理，再进行最大熵阈值分割，可以比较容易检测出细节，避免漏检；之后将二者的处理结果进行融合，得到最终的识别结果图像，以此可以减少虚警，提高准确率；且本方案计算简单、运算时间短，可在在轨平台上进行实时处理。
-
公开(公告)号：CN116486142A
公开(公告)日：2023-07-25
申请号：CN202310293181.0
申请日：2023-03-24
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/764 , G06V10/80 , G06V20/10 , G06V10/82 , G06V10/77
Abstract: 本发明提供了一种基于网络架构搜索的多模态图像土地覆盖类型分类的方法，包括S1、利用特征提取网络对输入的成对光、SAR遥感图像进行特征提取；S2、构建基于SMBO算法的多模态特征融合架构搜索空间，搜索最佳的融合策略；S3、根据所述融合策略对光、SAR特征进行融合，得到土地覆盖类型分类结果。本发明提出了双输入的U型特征提取网络，使网络可以获得更充分的信息用于分类，并考虑到传统人工设计的深度学习特征融合模块难度大且缺乏可解释性，创建了基于SMBO的多模态特征融合架构搜索方法探求不同模态特征间的最佳组合方式，提高光、SAR图像特征融合效率。
-
公开(公告)号：CN115830449A
公开(公告)日：2023-03-21
申请号：CN202211530957.8
申请日：2022-12-01
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种显式轮廓引导和空间变化上下文增强的遥感目标检测方法，通过特征提取网络，得到输入图像的多尺度目标特征图，通过空间变化上下文增强算法将最深层特征图的空间位置信息编码到全局上下文中，得到空间变化上下文卷积核，并结合预设空洞率，得到多尺度上下文感知空间变化加权因子，加权得到空间感知上下文增强目标特征图；通过特征融合网络和轮廓引导特征提取算法，分别得到多尺度目标融合特征图和轮廓感知特征图；结合轮廓引导特征融合算法和多尺度双重注意力机制，得到显式轮廓引导目标检测特征图，并输入到目标框检测头中，得到目标检测结果。本发明能够提升复杂背景下多类目标的检测性能和定位精度。
-
公开(公告)号：CN115272787A
公开(公告)日：2022-11-01
申请号：CN202210779801.7
申请日：2022-07-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/774 , G06V10/74 , G06V10/82 , G06T3/00 , G06N3/08
Abstract: 本发明提供一种基于ViT‑Pix2Pix的光学图像翻译方法，包括：获取待测SAR图像；构建初始目标翻译网络模型，并通过成对的SAR图像和光学图像对初始目标翻译网络模型进行参数优化，获取目标翻译网络模型，目标翻译网络模型为Vision Transformer与Pix2Pix相结合的模型，包括有生成器和判别器，其中，生成器用于将SAR图像翻译为伪光学图像，判别器用于判断输入光学图像是否为SAR图像匹配的真光学图像，生成器和判别器以对抗的形式完成神经网络训练优化；将待测SAR图像输入目标翻译网络模型，获取目标光学图像。本发明能够提高判别器的性能，并确保网络模型训练的稳定性，提高了生成图像的质量。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.034 seconds)
