-
公开(公告)号：CN115272748A
公开(公告)日：2022-11-01
申请号：CN202210780466.2
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: G06V10/764 , G06V10/25 , G06V10/82 , G06T7/73 , G01S13/90
Abstract: 本发明提供一种基于知识辅助的SAR图像飞机检测分类方法，包括：获取待测大场景的SAR图像，提取机场的感兴趣区域，根据感兴趣区域获取多个切片，并输入基于ConvNeXt‑T网络构造的目标特征提取网络，获取感兴趣区域的图像特征；通过MLP网络构造多模态领域知识特征提取模型，并结合领域知识，得到多模态领域知识特征；通过自适应投影将多模态领域知识特征动态更新到图像特征中，并进行自注意力增强，获取目标特征；设计无锚框检测头，通过无锚框检测头对目标特征中的飞机目标进行位置回归和目标分类，获取SAR图像的目标检测分类结果。本发明能够有效减轻相似飞机目标分类难度，提升飞机目标检测分类的准确度。
-
公开(公告)号：CN111680667B
公开(公告)日：2022-06-24
申请号：CN202010666889.2
申请日：2020-07-13
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度神经网络的遥感图像地物分类方法，该方法通过将局部上下文信息和远距离上下文信息整合在特征图当中，整合不同范围的上下文信息可以提高目标分类的准确性，在一定程度上避免由目标类间差异小、类内差异大带来的错误分类，另一方面，在网络中引入了多维度的通道注意力机制，对各个通道间的关系进行了更为充分的建模，增强了网络的表现力，从而能够改善网络分割性能，提升地物分割准确度。
-
公开(公告)号：CN114419490A
公开(公告)日：2022-04-29
申请号：CN202111627620.4
申请日：2021-12-28
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V20/40 , G06K9/62 , G06V10/764
Abstract: 本发明提供一种基于注意力金字塔的SAR船只目标检测方法，将SAR图像输入到特征提取网络得到初步的特征提取结果；对初步提取到的特征输入到基于通道注意力和空间注意力的特征金字塔网络，得到更加精细化的特征提取结果。相较于传统的SAR图像船只检测方法，本方案通过先对SAR图像完成初步的特征提取，然后利用通道注意力和空间注意力特征金字塔网络对提取到的初步特征进行精修，提高了船只的检测和识别精度；尤其在针对复杂背景下的船只检测任务，本方案提出的基于通道注意力和空间注意力的特征金子塔网络可以使模型具有更高的检测和识别效果。
-
公开(公告)号：CN114418962A
公开(公告)日：2022-04-29
申请号：CN202111628791.9
申请日：2021-12-28
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06T7/00
Abstract: 本发明提供的一种基于注意力增强网络的SAR图像飞机检测方法，通过对大场景SAR图像进行切割得到小场景SAR图像并进行数据增强预处理；将小场景SAR图像输入改进的目标检测网络对飞机目标进行检测；根据检测得到的飞机目标送入图像后处理网络对虚警目标进行滤除，得到最终飞机目标检测结果。相较于传统的SAR图像飞机检测算法，本方案通过预处理中切割与数据增强操作，降低计算复杂度，减少计算内存要求与增加样本多样性，提高了飞机目标检测精度。
-
公开(公告)号：CN113033804A
公开(公告)日：2021-06-25
申请号：CN202110333012.6
申请日：2021-03-29
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种面向遥感图像的卷积神经网络压缩方法，与传统的卷积神经网络压缩方法对网络参数进行裁剪压缩后会导致网络结构的不规则化等问题相比，本方法利用多层次参数裁剪和参数位置约束，在提高参数压缩比例的同时，提高了网络结构的规则性，有利于实际应用时的计算加速；同时利用多数据源的信息融合，提高了压缩后模型的精度。
-
Patent Agency Ranking
公开(公告)号：CN111680667A
公开(公告)日：2020-09-18
申请号：CN202010666889.2
申请日：2020-07-13
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度神经网络的遥感图像地物分类方法，该方法通过将局部上下文信息和远距离上下文信息整合在特征图当中，整合不同范围的上下文信息可以提高目标分类的准确性，在一定程度上避免由目标类间差异小、类内差异大带来的错误分类，另一方面，在网络中引入了多维度的通道注意力机制，对各个通道间的关系进行了更为充分的建模，增强了网络的表现力，从而能够改善网络分割性能，提升地物分割准确度。
-
公开(公告)号：CN119959946A
公开(公告)日：2025-05-09
申请号：CN202510278105.1
申请日：2025-03-10
Applicant: 北京理工大学
IPC: G01S13/90
Abstract: 本申请实施例提供一种基于调度加速的高效BP成像方法，所述方法包括：接收原始回波数据，得到参数队列；读取参数队列，根据设定规则得到计算参数队列，并将计算参数队列转换为二维参数数据流；根据二维参数数据流逐行处理投影，持续计算直至计算参数队列耗尽触发中断；接收到响应中断信号，加载下一批计算参数队列；协调各个任务的执行顺序，控制数据流转和传输，确保系统高效有序地执行算法，节约了BP算法投影步骤执行时，子任务切换时软硬件交互导致的时间间隙，提高了硬件利用率。
-
公开(公告)号：CN119399522A
公开(公告)日：2025-02-07
申请号：CN202411431849.4
申请日：2024-10-14
Applicant: 北京理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明提供一种基于模态信息约束的多模态遥感图像地物分类方法，首先采用MDF解码器自适应学习模态共享与模态差异特征的融合权重，从多尺度角度自适应地控制模态共享和模态专有信息的贡献，从而保留模态专有信息；然后采用MSIE解码器引导模态差异特征与多模态特征开展多模态辅助分类任务，以增强在有利于分类的光学和SAR专有信息；因此，相比其他多模态遥感图像地物分类方法，本发明识别精度更高，可以有效缓解复杂场景下地物识别性能瓶颈，为多模态遥感图像解译提供有效的支撑。
-
公开(公告)号：CN118470420A
公开(公告)日：2024-08-09
申请号：CN202410633829.9
申请日：2024-05-21
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/50
Abstract: 本发明提供一种基于类内‑类间关系迁移的无源域自适应遥感场景分类方法，可以改善由于域间差异所导致的性能下降，该方法包括：将预测输出作为锚点，将和目标域输入图像类别一致的图像视图作为正样本，将与该图像类别不一致的其他所有图像视图作为负样本，计算得到类别对比损失函数；预测输出作为锚点，将目标域输入图像的弱增强图像视图作为正样本，将同个训练批次内其他所有图像的增强视图作为负样本，计算得到实例对比损失函数；将类内‑类间关系zcr嵌入类别对比损失函数和实例对比损失函数，基于类内‑类间关系的对比损失函数，对目标域特征提取器和目标域分类器进行迭代优化，基于优化结果实现遥感场景分类。
-
公开(公告)号：CN118366039A
公开(公告)日：2024-07-19
申请号：CN202410597472.3
申请日：2024-05-14
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于边界引导和交互注意力的遥感图像地物分类方法及系统，能够实现高精度遥感图像地物分类。该方法的具体过程为：步骤一，从输入图像中提取多级特征，得到不同层次的特征图；步骤二，采用多级特征融合方式，从多级特征图中提取与目标相关的边缘语义；步骤三，将所得到的边缘语义与不同层级的特征图进行融合，得到初始增强特征；步骤四，对所述初始增强特征图进行交互注意力处理，得到多个层级的二次强化特征图；步骤五：将所述多个层级的二次强化特征图进行多尺度特征提取，生成预测结果，实现遥感图像地物分类。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.034 seconds)
