-
公开(公告)号：CN116486238B
公开(公告)日：2023-09-15
申请号：CN202310466470.6
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V10/86 , G06V10/774 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种联合点集表示与图分类的目标细粒度识别方法，包括：构建并训练基于Oriented RepPoints的目标点集表示模型，检测生成代表目标的点集；将所述点集中的点作为节点，根据空间关系构建图结构；截取每个点周围的矩形区域，并将该矩形区域对应的卷积特征作为图节点的特征；构建图卷积神经网络模型，对所述图节点的特征进行聚合与更新，并整合所有图节点的特征进行图分类。通过实施本发明的上述方案，通过综合利用目标的部件特征以及部件之间的关系，提高目标细粒度识别的精度。
-
公开(公告)号：CN116486238A
公开(公告)日：2023-07-25
申请号：CN202310466470.6
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V10/86 , G06V10/774 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种联合点集表示与图分类的目标细粒度识别方法，包括：构建并训练基于Oriented RepPoints的目标点集表示模型，检测生成代表目标的点集；将所述点集中的点作为节点，根据空间关系构建图结构；截取每个点周围的矩形区域，并将该矩形区域对应的卷积特征作为图节点的特征；构建图卷积神经网络模型，对所述图节点的特征进行聚合与更新，并整合所有图节点的特征进行图分类。通过实施本发明的上述方案，通过综合利用目标的部件特征以及部件之间的关系，提高目标细粒度识别的精度。
-
公开(公告)号：CN116486169A
公开(公告)日：2023-07-25
申请号：CN202310477115.9
申请日：2023-04-27
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V10/26 , G06V10/762 , G06F16/36 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/50
Abstract: 本发明涉及遥感图像目标动向判别方法，包括：S100，对遥感图像进行全景分割标注和目标行为动向标注，确定目标动向知识图谱；S200，基于遥感图像建立全景分割模型，以ResNet作为特征提取主干网络，并引入交叉注意力模块提取长距上下文信息；S300，根据全景分割网络中的实例分割分支对遥感图像进行实例级分割，根据全景分割网络中的语义分割分支对遥感图像进行语义级分割；S400，引入基于贝叶斯决策的分支融合模块，对实例分割分支和语义分割分支的结果进行决策融合，生成全景分割图像；S500，将全景分割图像进行像素聚类生成场景信息知识图谱；S600，根据图注意力网络，对场景信息知识图谱中的关注目标进行动向判别。本发明可推理遥感图像中目标的行为动向信息。
-
公开(公告)号：CN116385881A
公开(公告)日：2023-07-04
申请号：CN202310378004.2
申请日：2023-04-10
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/25 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本发明涉及遥感图像地物变化检测方法及装置，包括获取同一区域不同时相的两幅图像；利用两个共享权重的U‑Net作为主干网络，对输入的两个时相的遥感图像，经过主干网络的两个分支进行特征提取；对两个分支提取的特征进行局部交换；通过多头自注意力机制，对交换后得到的特征进行全尺度的特征提取；再对两个分支的遥感图像恢复空间尺度，然后对特征进行融合，得到新的融合分支；利用U‑Net网络的两个分支和融合分支进行地物变化检测，得到遥感图像地物变化检测结果。本发明能够有效提高遥感图像地物变化的检测精度。
-
公开(公告)号：CN116630794B
公开(公告)日：2024-02-06
申请号：CN202310457764.2
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
IPC: G06V20/10 , G06V10/77 , G06V10/80 , G06V10/766 , G06V10/764 , G06T7/73 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于排序样本选择的遥感图像目标检测方法、电子设备，获取遥感图像及对应的目标标签，并进行预处理；通过特征提取主干网络以及特征金字塔网络，得到对应的多尺度特征图；构建分类分支网络以及位置及角度回归分支网络，对多尺度特征图进行预测，获得目标预测值；利用目标标签以及预测值，在多尺度特征图上计算得到交并比自适应阈值，筛选样本点以获得满足条件的正负样本；计算分类排序损失、定位排序损失以及回归损失进行网络训练；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，缓解正负样本不均衡导致传统分类能力难以学习的问题，促进目标检测性能提升，对高分辨率遥感图像旋转框目标检测具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN116486169B
公开(公告)日：2023-12-19
申请号：CN202310477115.9
申请日：2023-04-27
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V10/26 , G06V10/762 , G06F16/36 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/50
Abstract: 本发明涉及遥感图像目标动向判别方法，包括：S100，对遥感图像进行全景分割标注和目标行为动向标注，确定目标动向知识图谱；S200，基于遥感图像建立全景分割模型，以ResNet作为特征提取主干网络，并引入交叉注意力模块提取长距上下文信息；S300，根据全景分割网络中的实例分割分支对遥感图像进行实例级分割，根据全景分割网络中的语义分割分支对遥感图像进行语义级分割；S400，引入基于贝叶斯决策的分支融合模块，对实例分割分支和语义分割分支的结果进行决策融合，生成全景分割图像；S500，将全景分割图像进行像素聚类生成场景信息知识图谱；S600，根据图注意力网络，对场景信息知识图谱中的关注目标进行动向判别。本发明可推理遥感图像中目标的行为动向信息。
-
公开(公告)号：CN116450632B
公开(公告)日：2023-12-19
申请号：CN202310421521.3
申请日：2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/215 , G06F16/29
Abstract: 本发明涉及一种地理样本数据质量评估方法、设备及存储介质，地理样本数据质量评估方法包括：分析多应用层级的地理人工智能样本数据的质量特征，建立多应用层级的样本数据质量指标体系；确定进行质量评估的地理人工智能样本数据集的特征与质量规范；确定进行质量评估的地理人工智能样本数据集的质量评估规范；执行地理人工智能样本数据质量评估，获取质量评估结果；基于质量评估结果，生成地理人工智能样本数据质量评估报告。本发明，能够满足像素级、目标级、场景级多应用层级的地理人工智能样本数据的质量评估需求，为地理人工智能样本数据的质量评估提供系统性参考，从而帮助提高样本数据的可靠性。
-
公开(公告)号：CN116403122B
公开(公告)日：2023-12-19
申请号：CN202310403526.3
申请日：2023-04-14
Applicant: 北京卫星信息工程研究所
IPC: G06V20/13 , G06V10/764 , G06V10/25
Abstract: 本发明涉及一种无锚框定向目标检测方法，包括：S100，获取至少一幅包含待检测目标的卫星遥感图像；S200，以Resnet101为主干网络，提取所述卫星遥感图像的降采样4、8、16、32倍的特征C2、C3、C4、C5；S300，根据C2、C3、C4、C5构建FPN网络；S400，将所述FPN网络中的上采样和横向连接，替换为特征选择与对齐，对C2、C3、C4、C5进行融合处理，得到多尺度特征P3、P4、P5、P6、P7；S500，采用旋转边界框进行目标检测；S600，对目标检测算法进行优化，驱动目标检测网络在训练过程中学习目标的遥感方向信息。本发明可提高遥感目标检测对空间尺度大小与方向任意的目标的检测能力。
-
公开(公告)号：CN116630820A
公开(公告)日：2023-08-22
申请号：CN202310530434.1
申请日：2023-05-11
Applicant: 北京卫星信息工程研究所
IPC: G06V20/13 , G06V10/26 , G06V10/32 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种光学遥感数据星上并行处理方法与装置，所述装置包括：主控与预处理模块(100)，用于通过星务轮询方式获取光学遥感数据并进行预处理与切片处理；至少一个数据处理模块(200)，用于对所述预处理与切片处理后的光学遥感数据进行目标的并行检测识别或语义分割，再将结果回传至所述主控与预处理模块(100)；电源模块(300)，用于对所述主控与预处理模块(100)和所述数据处理模块(200)上电；背板(400)，用于连接所述主控与预处理模块(100)、所述数据处理模块(200)和所述电源模块(300)。通过实施本发明的上述方案，可用于光学遥感卫星数据的在轨并行处理，从而实现目标的在轨实时检测识别以及光学遥感数据的在轨实时语义分割。
-
公开(公告)号：CN116563680A
公开(公告)日：2023-08-08
申请号：CN202310493846.2
申请日：2023-05-05
Applicant: 北京卫星信息工程研究所
IPC: G06V10/80 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10
Abstract: 本发明涉及一种基于高斯混合模型的遥感图像特征融合方法、电子设备，通过特征提取主干网络提取输入遥感图像特征，得到不同层级位置的特征图；构建特征融合网络并对不同层级位置的特征图进行融合，获得遥感图像目标的多特征图；构建多个高斯混合模型拟合多特征图，获得高斯混合模型的参数；对多个高斯混合模型进行加权平均融合，利用融合后的高斯混合模型生成数据并与原始特征图拼接；利用融合特征图输入目标检测网络的检测头，进行遥感图像检测，计算分类、位置预测损失；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，提升了模型分类和定位出遥感图像中的感兴趣目标的能力，提高遥感图像目标定位准确性，提高模型检测能力。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.029 seconds)
