公开(公告)号：CN117152408A

公开(公告)日：2023-12-01

申请号：CN202310930166.2

申请日：2023-07-27

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  张鹏宇 ,  李育恒 ,  张洲洲 ,  沈永健

IPC: G06V10/22 ,  G06V10/40 ,  G06V20/13 ,  G06T7/11 ,  G06T7/194 ,  G06V20/70 ,  G06V10/82 ,  G06V10/774 ,  G06T3/40

Abstract: 本发明提供一种基于变化检测的遥感异常区域及目标检测方法，以孪生注意力变化检测模型，训练变化检测模型检测处理区域的能力，同时训练其检测隐藏目标和检测变化目标的能力。本发明构建了一个双分支的孪生注意力变化检测网络，通过对比学习遥感影像中出现的异常区域与原遥感影像在像素分布、色差上的变化，实现对异常区域和变化区域的自动检测；本发明在下采样模块每一层级都使用孪生网络思想，将两时相特征级联输入后续网络，通过无差别处理两时相技术，解除对时相输入顺序的限制；本发明使用注意力机制实现不同层级检测结果的融合，通过使用两种不同的特征融合手段，利用注意力机制综合对比两种融合结果，提高模型检测能力。

公开(公告)号：CN116010798A

公开(公告)日：2023-04-25

申请号：CN202211180163.3

申请日：2022-09-27

Applicant: 北京遥测技术研究所 ,  航天长征火箭技术有限公司

Inventor： 李育恒 ,  张鹏宇 ,  蔡敏康 ,  沈永健

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  H04B1/713

Abstract: 本发明提供一种基于YOLOv5的复杂典型通信信号快速识别分类方法，将复杂典型通信信号使用SPWVD时频分析转换为时频图，复杂典型通信信号包括单载频信号、跳频信号和线性扫频信号，使用YOLOv5的网络对时频图进行预测并分类，针对信号类别快速变换和数据量庞大的问题改进了YOLOv5的网络结构，只保留中、小目标检测头，并结合SIoU_loss损失函数、非极大值抑制进行检测，使得网络在准确识别多种通信信号类别的同时减少了网络参数量并提高了识别速度，降低了对使用硬件环境的要求，对复杂典型通信信号拥有非常优秀的识别分类效果。