公开(公告)号：CN116416531B

公开(公告)日：2023-12-19

申请号：CN202310409310.8

申请日：2023-04-17

Applicant: 北京卫星信息工程研究所

Inventor： 冯鹏铭 ,  刘洪宁 ,  贺广均 ,  张汝波 ,  金世超 ,  符晗 ,  梁颖 ,  常江

IPC: G06V20/13 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464

Abstract: 本发明涉及一种基于动态重参数化的遥感图像目标检测方法、设备及存储介质，基于动态重参数化的遥感图像目标检测方法包括：步骤S1、获取遥感图像及对应的真值标签；步骤S2、基于深度学习网络构建目标检测模型，并完成模型训练；步骤S3、利用步骤S2中的目标检测模型进行动态重参数化拓展，并对拓展后的目标检测模型进行在线训练；步骤S4、重复执行步骤S3，得到优化后的目标检测模型；步骤S5、对优化后的目标检测模型进行微调，利用重参数化方法吸收拓展的增强卷积，得到压缩的目标检测模型；步骤S6、利用压缩后的目标检测模型对遥感图像进行检测。本发明，解决了遥感图像目标检测任务中主干特征提取网络因结构参数设计不当而导致性能不足的问题。

公开(公告)号：CN116416531A

公开(公告)日：2023-07-11

申请号：CN202310409310.8

申请日：2023-04-17

Applicant: 北京卫星信息工程研究所

Inventor： 冯鹏铭 ,  刘洪宁 ,  贺广均 ,  张汝波 ,  金世超 ,  符晗 ,  梁颖 ,  常江

IPC: G06V20/13 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464

Abstract: 本发明涉及一种基于动态重参数化的遥感图像目标检测方法、设备及存储介质，基于动态重参数化的遥感图像目标检测方法包括：步骤S1、获取遥感图像及对应的真值标签；步骤S2、基于深度学习网络构建目标检测模型，并完成模型训练；步骤S3、利用步骤S2中的目标检测模型进行动态重参数化拓展，并对拓展后的目标检测模型进行在线训练；步骤S4、重复执行步骤S3，得到优化后的目标检测模型；步骤S5、对优化后的目标检测模型进行微调，利用重参数化方法吸收拓展的增强卷积，得到压缩的目标检测模型；步骤S6、利用压缩后的目标检测模型对遥感图像进行检测。本发明，解决了遥感图像目标检测任务中主干特征提取网络因结构参数设计不当而导致性能不足的问题。

公开(公告)号：CN119251679A

公开(公告)日：2025-01-03

申请号：CN202411380020.6

申请日：2024-09-30

Applicant: 北京卫星信息工程研究所

Inventor： 冯鹏铭 ,  刘洪宁 ,  刘扬 ,  贺广均 ,  金世超 ,  邓岳 ,  梁颖 ,  田路云 ,  上官博屹 ,  张鹏

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06V10/766

Abstract: 本发明的基于双曲空间映射的遥感图像目标检测方法，包括S1、提取遥感图像的特征，得到层级特征图；S2、通过特征融合网络，融合相同类型的层级特征图，获得第一多层级特征图；S3、利用双曲空间映射网络将第一多层级特征图的通道信息投影到双曲空间，得到第二多层级特征图；S4、拼接第一多层级特征图和第二多层级特征图，获得融合特征图；S5、构建特征检测头，检测融合特征图，计算分类损失和位置预测损失；S6、重复S1至S5，训练遥感图像目标检测模型；S7、利用S6得到的遥感图像目标检测模型检测遥感图像。本发明通过增强预测特征图的信息维度，帮助模型理解数据分布，学习更抽象的特征表示，从而提高对目标检测任务的泛化能力。

公开(公告)号：CN116563680B

公开(公告)日：2024-02-06

申请号：CN202310493846.2

申请日：2023-05-05

Applicant: 北京卫星信息工程研究所

Inventor： 冯鹏铭 ,  刘洪宁 ,  贺广均 ,  张汝波 ,  金世超 ,  梁颖 ,  上官博屹 ,  张鹏

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检测模型的检测头，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。

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

Inventor： 冯鹏铭 ,  刘洪宁 ,  贺广均 ,  张汝波 ,  金世超 ,  梁颖 ,  上官博屹 ,  张鹏

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。