-
公开(公告)号：CN118735779A
公开(公告)日：2024-10-01
申请号：CN202410739941.0
申请日：2024-06-07
Applicant: 北京卫星信息工程研究所
IPC: G06T3/4053 , G06T5/77 , G06V10/44 , G06V10/74 , G06F17/18 , G06F17/16 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明涉及一种基于光流运动的红外弱小目标超分辨率重建方法，包括：基于序列图像，得到红外弱小目标的初始特征，并进行增强，得到第一参考帧特征和第一邻域帧特征；将第一参考帧特征、第一邻域帧特征与参考帧和邻域帧两两组合形成4组第二特征，并进行运动补偿，得到2组第三特征；将第三特征分别和参考帧进行组合，最终形成2组第四特征，将2组第四特征输入到特征增强模块；将从特征增强模块输出的特征输入到基于softmax的特征匹配模块；将从特征匹配模块输出的特征和特征增强模块输出的一个特征输入到自关注模块；利用超分辨率重建模块，恢复红外弱小目标的细节信息。本发明，能够恢复大运动的小目标的精细结构，提高了峰值信噪比和结构相似度。
-
Patent Agency Ranking
公开(公告)号：CN115100532B
公开(公告)日：2023-04-07
申请号：CN202210921934.3
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/0464 , G06N3/0985 , G06N5/02 , G06N5/04 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种小样本遥感图像目标检测方法和系统，所述小样本遥感图像目标检测方法包括：利用基础训练网络训练基类数据，其中，所述基础训练网络包括针对遥感图像建立的知识图谱；利用微调训练网络训练小样本数据，所述小样本数据包括经所述基础训练网络训练后的基类数据和新类数据。本发明的基础训练网络上训练完成的基类数据与新类数据一起构成微调训练网络的样本数据集，使得基础训练阶段训练好的网络可以通过微调训练很好地泛化到当前遥感图像小样本目标检测任务中，且知识图谱的知识输入可以为网络提供先验知识，可以在样本数量少、样本获取难度大的情况下，高效地训练出具备良好性能的目标检测网络。
-
公开(公告)号：CN114998748A
公开(公告)日：2022-09-02
申请号：CN202210900842.7
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 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标精细识别方法、电子设备及存储介质，以遥感图像提取的目标特征向量作为输入，充分利用其中编码的多实例信息，将同一幅图片上各实例的相似度信息进行对比学习，结合粗粒度的任意目标检测网络进行端到端的训练，而无需额外设计，通过已知的目标类别标签应用于分类损失以训练相似度计算网络；同时应用于对比损失，增大相同细粒度类别实例之间的相似度，而削减不同细粒度类别实例之间的相似度，增强了模型对实例之间的辨别区分能力。
-
公开(公告)号：CN115100532A
公开(公告)日：2022-09-23
申请号：CN202210921934.3
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N5/02 , G06N5/04 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种小样本遥感图像目标检测方法和系统，所述小样本遥感图像目标检测方法包括：利用基础训练网络训练基类数据，其中，所述基础训练网络包括针对遥感图像建立的知识图谱；利用微调训练网络训练小样本数据，所述小样本数据包括经所述基础训练网络训练后的基类数据和新类数据。本发明的基础训练网络上训练完成的基类数据与新类数据一起构成微调训练网络的样本数据集，使得基础训练阶段训练好的网络可以通过微调训练很好地泛化到当前遥感图像小样本目标检测任务中，且知识图谱的知识输入可以为网络提供先验知识，可以在样本数量少、样本获取难度大的情况下，高效地训练出具备良好性能的目标检测网络。
-
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：CN114998748B
公开(公告)日：2023-02-03
申请号：CN202210900842.7
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 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标精细识别方法、电子设备及存储介质，以遥感图像提取的目标特征向量作为输入，充分利用其中编码的多实例信息，将同一幅图片上各实例的相似度信息进行对比学习，结合粗粒度的任意目标检测网络进行端到端的训练，而无需额外设计，通过已知的目标类别标签应用于分类损失以训练相似度计算网络；同时应用于对比损失，增大相同细粒度类别实例之间的相似度，而削减不同细粒度类别实例之间的相似度，增强了模型对实例之间的辨别区分能力。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
