-
公开(公告)号：CN116503733A
公开(公告)日：2023-07-28
申请号：CN202310460255.5
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/46 , G06V10/764 , G06T7/73
Abstract: 本发明涉及一种遥感图像目标检测方法、设备及存储介质，遥感图像目标检测方法包括以下步骤：获取遥感图像及其对应的目标类别标签；获取遥感图像中目标的关键特征；构建基于多尺度直方图对比的改进视觉显著模型，对遥感图像中的目标进行粗略检测；提取粗检测后的目标特征算子，构建目标特征显著图，进行遥感图像中目标的高精度检测；利用目标在遥感图像中的分布规律，完成目标的识别和定位。本发明，能够适用于背景环境复杂的遥感图形，有利于降低虚警，减小其他类型虚假目标对目标定位的影响，不仅可以实现遥感图像中目标的检测，还可以通过目标特征及目标的排布方式进行目标的识别，提升检测结果的准确性。
-
公开(公告)号：CN115272857B
公开(公告)日：2023-04-07
申请号：CN202210900863.9
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于注意力机制的多源遥感图像目标识别方法，包括：获取多源遥感图像及其对应的目标类别标签，并进行预处理；提取预处理后的多源遥感图像中的目标特征，对所述目标特征进行过滤，得到多源目标的关键特征；构建特征融合编码器并对所述关键特征进行融合，获得隐层特征数据；构建特征解码器并重构所述隐层特征数据；利用重构的隐层特征数据和所述关键特征对所述特征融合编码器和所述特征解码器进行优化；利用分类网络对所述隐层特征数据进行分类识别。本发明不仅实现多源遥感图像中的目标识别，还可提高识别的精度。
-
公开(公告)号：CN114998749B
公开(公告)日：2023-04-07
申请号：CN202210900855.4
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种用于目标检测的SAR数据扩增方法，包括：获取原始SAR图像数据集及其标注信息；对所述原始SAR图像数据集进行目标检测，结合所述标注信息，构建负样本集；利用所述标注信息获得所述原始SAR图像数据集中的目标样本，构建方位角目标样本集；构建基于自注意力机制的生成对抗网络，利用所述负样本集和所述方位角目标样本集对所述生成对抗网络进行迭代训练；评估所述生成对抗网络生成的样本质量，获得高质量的生成样本；在所述原始SAR图像数据集中插入所述高质量的生成样本，以及对应的标注信息。本发明实现SAR数据的自动扩增，提升SAR图像目标识别任务训练集中目标样本的多样性和均衡性。
-
公开(公告)号：CN116524358B
公开(公告)日：2024-05-03
申请号：CN202310460249.X
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种用于目标识别的SAR数据集扩增方法，包括：获取包含目标的SAR数据集并进行预处理；通过核心特征提取模块和散射特征提取模块分别提取目标的核心特征信息和散射特征信息；将所述核心特征信息输入第一级生成对抗网络，得到低分辨率图像；将所述低分辨率图像和所述散射特征信息输入第二级生成对抗网络，得到高分辨率图像，对SAR数据集进行扩增。通过实施本发明的上述方案，两级生成对抗网络、核心特征提取模块和散射特征提取模块的结合使用，可以使两级生成对抗网络分级学习图像中目标的粗略核心特征和精细散射特征，降低单级网络的学习难度，同时可以扩增获得质量高、细节更为真实的SAR目标图像切片。
-
公开(公告)号：CN116503733B
公开(公告)日：2024-02-06
申请号：CN202310460255.5
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/46 , G06V10/764 , G06T7/73
Abstract: 本发明涉及一种遥感图像目标检测方法、设备及存储介质，遥感图像目标检测方法包括以下步骤：获取遥感图像及其对应的目标类别标签；获取遥感图像中目标的关键特征；构建基于多尺度直方图对比的改进视觉显著模型，对遥感图像中的目标进行粗略检测；提取粗检测后的目标特征算子，构建目标特征显著图，进行遥感图像中目标的高精度检测；利用目标在遥感图像中的分布规律，完成目标的识别和定位。本发明，能够适用于背景环境复杂的遥感图形，有利于降低虚警，减小其他类型虚假目标对目标定位的影响，不仅可以实现遥感图像中目标的检测，还可以通过目标特征及目标的排布方式进行目标的识别，
-
Patent Agency Ranking
公开(公告)号：CN116524358A
公开(公告)日：2023-08-01
申请号：CN202310460249.X
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种用于目标识别的SAR数据集扩增方法，包括：获取包含目标的SAR数据集并进行预处理；通过核心特征提取模块和散射特征提取模块分别提取目标的核心特征信息和散射特征信息；将所述核心特征信息输入第一级生成对抗网络，得到低分辨率图像；将所述低分辨率图像和所述散射特征信息输入第二级生成对抗网络，得到高分辨率图像，对SAR数据集进行扩增。通过实施本发明的上述方案，两级生成对抗网络、核心特征提取模块和散射特征提取模块的结合使用，可以使两级生成对抗网络分级学习图像中目标的粗略核心特征和精细散射特征，降低单级网络的学习难度，同时可以扩增获得质量高、细节更为真实的SAR目标图像切片。
-
公开(公告)号：CN116450632A
公开(公告)日：2023-07-18
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：CN115019181B
公开(公告)日：2023-02-07
申请号：CN202210900309.0
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种遥感图像旋转目标检测方法、电子设备及存储介质，在训练中，对给定的目标位置标签，先利用椭圆分布采样方式，获取丰富的样本点；利用自适应前景采样策略，从高层特征图到低层特征图依次获取高质量的前景样本点，与网络预测的前景目标一起输入到损失函数，从而学到更准确的目标特征表示方法，基于标签中目标真值坐标，通过调整椭圆长边与短边的长度，自适应地在特征图上进行采样，避免了小尺寸目标在特征金字塔中难以获取采样点和大尺寸获取过多冗余采样点的问题，通过自适应的方法提升了采样精度和泛化性，对高分辨率遥感图像旋转框目标检测具有重要意义。
-
公开(公告)号：CN115019180B
公开(公告)日：2023-01-17
申请号：CN202210900308.6
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82 , G06V10/80
Abstract: 本发明涉及一种SAR图像舰船目标检测方法、电子设备及存储介质，四种单极化图像目标检测网络指导学生目标检测网络学习“极化特征知识”，全极化的目标检测网络指导学生目标检测网络学习输出端“响应知识”，有效地减少了不同极化样本分布不均衡情况导致的目标检测模型训练时存在网络过拟合问题，使得学生目标检测网络对于不同极化方式的SAR数据都有较好的检测能力，保证了学生目标检测网络的稳定性与可靠性，在降低目标检测网络复杂度的同时，得到适用于不同极化SAR图像的舰船目标检测器。
-
公开(公告)号：CN115272856A
公开(公告)日：2022-11-01
申请号：CN202210900854.X
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种舰船目标细粒度识别方法及设备，结合细粒度分类结果和旋转框参数，实现对舰船目标的细粒度识别，避免了成像条件、拍摄角度和舰船目标中心点或角点位置随机导致模型难以聚焦关键点处的细粒度特征的问题，提高了模型定位关键点的准确度，通过构建关键点注意力，引导模型聚焦关键点区域的细粒度特征及其内在自相关性，提高了舰船目标的细粒度识别准确率，为舰船目标细粒度识别提供了一种切实可行的技术途径，在遥感目标识别领域有较大的实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.036 seconds)
