-
公开(公告)号:CN116630794A
公开(公告)日:2023-08-22
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。
-
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。
-
公开(公告)号:CN115100449A
公开(公告)日:2022-09-23
申请号:CN202210921778.0
申请日:2022-08-02
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种遥感数据多目标关联匹配与轨迹生成方法及设备,利用SIFT尺度不变的特性对多模态序列遥感图像进行空间配准,再利用基于拓扑特征相似度匹配的多目标关联匹配方法对图像中的目标信息进行关联匹配,该发明可以将不同传感器在空间及时间上的冗余或互补信息进行组合,获得比单一传感器单时相数据更完善更准确的目标轨迹信息,具有高效率、高精度的特点。
-
公开(公告)号:CN115097456A
公开(公告)日:2022-09-23
申请号:CN202210921935.8
申请日:2022-08-02
Applicant: 北京卫星信息工程研究所
IPC: G01S13/90 , G01S7/292 , G01S7/295 , G01S7/35 , G06V20/13 , G06N3/04 , G06V10/25 , G06V10/26 , G06V10/82
Abstract: 本发明涉及一种合成孔径雷达(SAR)卫星遥感数据在轨检测方法、装置及可读存储介质,所述方法包括:通过主控模块获取SAR原始回波数据;通过SAR成像模块根据所述SAR原始回波数据完成SAR成像处理;通过目标检测模块对所述SAR成像后的图像进行分块处理;通过所述目标检测模块将所述图像分块处理后的图像切片输入目标检测算法;通过所述目标检测模块提取所述图像切片和目标位置。本发明各模块实现最优能效比配置,兼顾性能与成本,实现轻量化高效能计算,适用于SAR卫星数据目标信息的在轨实时智能提取,尤其是适用于不同成像模式下SAR原始回波数据的在轨实时成像和目标检测处理,实现SAR遥感目标高精度实时检测。
-
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
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
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: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: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。
-
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。
-
公开(公告)号:CN115115939A
公开(公告)日:2022-09-27
申请号:CN202210899281.3
申请日:2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于特征注意力机制的遥感图像目标细粒度识别方法,包括:对原始遥感图像的目标数据和目标特征数据进行标注;对所述原始遥感图像、所述标注的目标数据和目标特征数据进行处理和增强,获得三组数据集;构建目标‑特征注意力模型;将处理和增强后的三组数据集输入所述目标‑特征注意力模型进行训练,利用训练好的目标‑特征注意力模型完成所述原始遥感图像中的目标细粒度的型号级识别。本发明可以实现遥感影像飞机等目标的高精度精细化型号级识别。
-
-
-
-
-
-
-
-
-