-
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：CN113269691A
公开(公告)日：2021-08-17
申请号：CN202110584825.2
申请日：2021-05-27
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
Abstract: 本发明公开的属于SAR图像去噪方法技术领域，具体为一种基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法，该基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法的具体实施方案如下：利用图像增广和图像重进消除噪声特性对于模型训练过程的影响，本发明构建的网络具有训练初期收敛效率高，末期收敛情况与其他基准模型相同的特征，利用稀疏表示与卷积滤波器的特性，进一步节省了训练时间，提高了模型的迭代效率，借助图像增广丰富数据以及图像重建消除噪声特性的设计，本发明有效地降低了SAR图像去噪过程对无噪声SAR图像的需求度，减少了实际任务中在无噪声SAR图像获取过程投入的开支，并取得更为优秀的SAR图像去噪效果。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN113269691B
公开(公告)日：2022-10-21
申请号：CN202110584825.2
申请日：2021-05-27
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
IPC: G06T5/00 , G06N3/04 , G06N3/08 , G06V10/774
Abstract: 本发明公开的属于SAR图像去噪方法技术领域，具体为一种基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法，该基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法的具体实施方案如下：利用图像增广和图像重进消除噪声特性对于模型训练过程的影响，本发明构建的网络具有训练初期收敛效率高，末期收敛情况与其他基准模型相同的特征，利用稀疏表示与卷积滤波器的特性，进一步节省了训练时间，提高了模型的迭代效率，借助图像增广丰富数据以及图像重建消除噪声特性的设计，本发明有效地降低了SAR图像去噪过程对无噪声SAR图像的需求度，减少了实际任务中在无噪声SAR图像获取过程投入的开支，并取得更为优秀的SAR图像去噪效果。
-
公开(公告)号：CN119251680A
公开(公告)日：2025-01-03
申请号：CN202411380023.X
申请日：2024-09-30
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/08 , G06N3/045 , G06N3/048
Abstract: 本发明涉及一种基于提示学习的遥感图像分类方法，包括：获取遥感图像样本及其真实类别标签，并进行预处理，形成遥感图像数据集；根据遥感图像数据集，通过图像编码器和文本编码器，获得遥感图像样本的图像特征向量和文本特征向量；计算遥感图像样本的图像特征向量和文本特征向量之间的相似性，得到遥感图像样本的预测类别标签；计算分类损失和对比损失，重复执行上述步骤，训练并输出分类模型；利用分类模型进行遥感图像分类。本发明，通过上述方法缓解了遥感图像分类方法中语义信息不足的问题，提高了遥感图像分类准确性。
-
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：CN115019180A
公开(公告)日：2022-09-06
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：CN116881668A
公开(公告)日：2023-10-13
申请号：CN202311058259.7
申请日：2023-08-22
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 海南俊码数据研究院有限公司
Inventor： 庄园 , 樊泽楷 , 刘昊洋 , 王诚 , 段毅航 , 蔡成涛 , 王巍 , 李承国 , 王小芳 , 杨明刚 , 陈征平 , 陈志远 , 李晋 , 曹雪 , 冯晓宁 , 付岩 , 关键 , 兰海燕 , 李智慧 , 刘海波
IPC: G06F18/20 , G06F18/22 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于跨模态预训练模型的智能合约相似性检测方法，包括：构建智能合约的控制流图；提取所述智能合约中的注释信息，将所述控制流图与所述注释信息进行对应，获取对应图；将所述对应图中的信息输入预设的跨模态预训练模型，获取合约的特征表示向量；基于所述特征表示向量，通过阈值进行合约相似性的判定。本发明能实现高精度智能合约语义相似性检测。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.048 seconds)
