-
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：CN115115939B
公开(公告)日：2023-04-07
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。
-
公开(公告)号：CN115272857A
公开(公告)日：2022-11-01
申请号：CN202210900863.9
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：CN115019181A
公开(公告)日：2022-09-06
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN115019183A
公开(公告)日：2022-09-06
申请号：CN202210900359.9
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知识蒸馏和图像重构的遥感影像模型迁移方法，包括：在样本充足和标注完整的数据集A中训练第一目标检测模型，获得教师模型；利用知识蒸馏对所述教师模型进行压缩，获得学生模型，并在样本不足的数据集B中进行训练；利用训练后的学生模型对与所述数据集B的数据类型相同的待测试数据进行判别，获得第一判别结果；重构所述待测试数据，使所述待测试数据与所述数据集A的数据类型相同，利用所述教师模型对重构后的待测试数据进行判别，获得第二判别结果；将所述第一判别结果和所述第二判别结果的全连接层进行加权融合，获得用于判别所述待测试数据的第二目标检测模型。该方法可实现不同类型遥感影像的模型迁移。
-
公开(公告)号：CN114998749A
公开(公告)日：2022-09-02
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 , G06N3/04 , G06N3/08 , 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：CN116486160B
公开(公告)日：2023-12-19
申请号：CN202310457860.7
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: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/048 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于光谱重建的高光谱遥感图像分类方法、设备及存储介质，基于光谱重建的高光谱遥感图像分类方法包括：步骤S1、对高光谱遥感图像进行数据降维；步骤S2、构建输入样本；步骤S3、建立基于光谱重建任务的自监督预训练网络，通过无标注样本训练特征提取主干网络；步骤S4、基于预训练阶段的特征提取主干网络构建高光谱遥感图像的分类网络，通过标注样本训练分类网络，完成逐像素的分。本发明，能够在小样本情况下显著提升高光谱遥感图像分类准确率并具有较快的模型训练速度，对实际应用具有重要意义。
-
公开(公告)号：CN116486160A
公开(公告)日：2023-07-25
申请号：CN202310457860.7
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: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/048 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于光谱重建的高光谱遥感图像分类方法、设备及存储介质，基于光谱重建的高光谱遥感图像分类方法包括：步骤S1、对高光谱遥感图像进行数据降维；步骤S2、构建输入样本；步骤S3、建立基于光谱重建任务的自监督预训练网络，通过无标注样本训练特征提取主干网络；步骤S4、基于预训练阶段的特征提取主干网络构建高光谱遥感图像的分类网络，通过标注样本训练分类网络，完成逐像素的分。本发明，能够在小样本情况下显著提升高光谱遥感图像分类准确率并具有较快的模型训练速度，对实际应用具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.03 seconds)
