-
公开(公告)号：CN118781499B
公开(公告)日：2024-12-24
申请号：CN202411260105.0
申请日：2024-09-10
Applicant: 中国科学院自动化研究所
IPC: G06V20/13 , G06N3/0464 , G06V10/10 , G06V10/25 , G06V10/82
Abstract: 本公开涉及目标在轨实时检测识别方法及装置。所述目标在轨实时检测识别方法包括：基于采集的包含目标的图像，利用超轻量化神经网络对目标进行检测以提取潜在目标切片；通过四叉树方法将提取的潜在目标切片拼接成预定大小的图像；利用深度神经网络对拼接成的图像进行识别并输出识别结果。通过采用本公开，能够在卫星的算力、存储资源有限的情况下实现海量数据的在轨实时目标检测识别，在低分辨率图像上利用超轻量化神经网络进行目标检测，在提升检测效率的同时滤除原始图像中的绝大部分无关数据，聚焦潜在目标；针对高分辨率图像基于深度学习网络对潜在目标进行集中识别，相当于多切片并行识别，从而进一步提升处理时效。
-
公开(公告)号：CN118823604B
公开(公告)日：2024-12-20
申请号：CN202411311333.6
申请日：2024-09-19
Applicant: 中国科学院自动化研究所
Abstract: 本公开关于目标识别方法、装置、电子设备和存储介质，该方法包括：获取多种载荷中每种载荷针对第一目标的检测数据；基于每种载荷对应的检测置信度以及载荷可信度，判断第一目标是否确实存在；在判断出第一目标确实存在的情况下，针对每种载荷，获取该种载荷对应的检测属性特征与多种预设类型中每种预设类型对应的预设属性特征之间的匹配程度；基于每种载荷对应的识别置信度以及匹配程度，确定第一目标的类型。这样，在进行目标检测时，同时考虑了多种载荷针对同一目标的检测数据，即可以充分利用融合信息，使考虑的信息更为丰富和全面。相比于仅仅使用单一体制载荷进行目标检测的方式，本公开提供的这种“融合”识别方法的识别准确性更高。
-
公开(公告)号：CN118823604A
公开(公告)日：2024-10-22
申请号：CN202411311333.6
申请日：2024-09-19
Applicant: 中国科学院自动化研究所
Abstract: 本公开关于目标识别方法、装置、电子设备和存储介质，该方法包括：获取多种载荷中每种载荷针对第一目标的检测数据；基于每种载荷对应的检测置信度以及载荷可信度，判断第一目标是否确实存在；在判断出第一目标确实存在的情况下，针对每种载荷，获取该种载荷对应的检测属性特征与多种预设类型中每种预设类型对应的预设属性特征之间的匹配程度；基于每种载荷对应的识别置信度以及匹配程度，确定第一目标的类型。这样，在进行目标检测时，同时考虑了多种载荷针对同一目标的检测数据，即可以充分利用融合信息，使考虑的信息更为丰富和全面。相比于仅仅使用单一体制载荷进行目标检测的方式，本公开提供的这种“融合”识别方法的识别准确性更高。
-
公开(公告)号：CN118781499A
公开(公告)日：2024-10-15
申请号：CN202411260105.0
申请日：2024-09-10
Applicant: 中国科学院自动化研究所
IPC: G06V20/13 , G06N3/0464 , G06V10/10 , G06V10/25 , G06V10/82
Abstract: 本公开涉及目标在轨实时检测识别方法及装置。所述目标在轨实时检测识别方法包括：基于采集的包含目标的图像，利用超轻量化神经网络对目标进行检测以提取潜在目标切片；通过四叉树方法将提取的潜在目标切片拼接成预定大小的图像；利用深度神经网络对拼接成的图像进行识别并输出识别结果。通过采用本公开，能够在卫星的算力、存储资源有限的情况下实现海量数据的在轨实时目标检测识别，在低分辨率图像上利用超轻量化神经网络进行目标检测，在提升检测效率的同时滤除原始图像中的绝大部分无关数据，聚焦潜在目标；针对高分辨率图像基于深度学习网络对潜在目标进行集中识别，相当于多切片并行识别，从而进一步提升处理时效。
-
-
-
Search Results
4
records
(took 0.023 seconds)
