-
公开(公告)号：CN112464732A
公开(公告)日：2021-03-09
申请号：CN202011213306.7
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路径稀疏分层网络的光学遥感图像地物分类方法，本方法通过将多尺度特征利用预先设置的间隔进行稀疏分组，并利用对应间隔的两条特征融合路径分别对不同层次的特征图进行融合，得到各自对应的特征性图，并进行进一步的融合，同时引入了压缩激励模块来对融合后的特征图进行校准，突出重要的特征，从而提高了光学遥感图像的地物分类任务的准确度。
-
公开(公告)号：CN114419490B
公开(公告)日：2024-09-03
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 , 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：CN116503266A
公开(公告)日：2023-07-28
申请号：CN202310248972.1
申请日：2023-03-15
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自监督学习的SAR图像去噪方法，包括构建SAR噪声图像模型；构建最小化经验损失函数L；设计相邻同向子采样器；将噪声图像对作为输入和目标，修改经验风险最小化任务，构建自监督SAR图像去噪网络；设计多特征损失函数；使用上述方法，对SAR‑CNN去噪网络进行训练；将待去噪的SAR图像变换到log域后输入到网络中进行去噪，再通过反log变换得到输出图像。相比于现有技术，本发明可以迁移到任何现有的去噪网络上，实现在没有干净目标的情况下进行训练实现自监督去噪，并且本方法显著抑制了散斑噪声，同时可靠地保留了图像纹理细节等特征，解决了目前散斑数据和真实SAR图像自监督去噪实用性较差的问题。
-
公开(公告)号：CN112464732B
公开(公告)日：2022-05-03
申请号：CN202011213306.7
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
IPC: G06V20/10 , G06V10/26 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于双路径稀疏分层网络的光学遥感图像地物分类方法，本方法通过将多尺度特征利用预先设置的间隔进行稀疏分组，并利用对应间隔的两条特征融合路径分别对不同层次的特征图进行融合，得到各自对应的特征性图，并进行进一步的融合，同时引入了压缩激励模块来对融合后的特征图进行校准，突出重要的特征，从而提高了光学遥感图像的地物分类任务的准确度。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.091 seconds)
