-
公开(公告)号:CN119418205A
公开(公告)日:2025-02-11
申请号:CN202411469546.1
申请日:2024-10-21
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/045
Abstract: 本发明提供面向遥感图像小目标检测的高级尺度感知注意力增强方法,包括:获取输入特征,根据预设标准将所述输入特征进行分类,得到若干子特征;获取预设张量形状,按照预设张量形状将所述若干子特征分为若干组,得到子特征组;获取分支注意力提取网络,以所述子特征组为输入通过所述分支注意力提取网络,得到空间注意力图;获取增强网络,以所述空间注意力图为输入通过所述增强网络,得到增强目标。本发明通过利用不同感受野的空间和通道注意力来改善特征表示,在遥感图像中有效检测微小目标。通过大量实验验证,本发明的方法在检测性能上表现出显著改善,展现了应对遥感微小目标检测挑战的潜力。
-
公开(公告)号:CN119399522A
公开(公告)日:2025-02-07
申请号:CN202411431849.4
申请日:2024-10-14
Applicant: 北京理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明提供一种基于模态信息约束的多模态遥感图像地物分类方法,首先采用MDF解码器自适应学习模态共享与模态差异特征的融合权重,从多尺度角度自适应地控制模态共享和模态专有信息的贡献,从而保留模态专有信息;然后采用MSIE解码器引导模态差异特征与多模态特征开展多模态辅助分类任务,以增强在有利于分类的光学和SAR专有信息;因此,相比其他多模态遥感图像地物分类方法,本发明识别精度更高,可以有效缓解复杂场景下地物识别性能瓶颈,为多模态遥感图像解译提供有效的支撑。
-
公开(公告)号:CN118470420A
公开(公告)日:2024-08-09
申请号:CN202410633829.9
申请日:2024-05-21
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/50
Abstract: 本发明提供一种基于类内‑类间关系迁移的无源域自适应遥感场景分类方法,可以改善由于域间差异所导致的性能下降,该方法包括:将预测输出作为锚点,将和目标域输入图像类别一致的图像视图作为正样本,将与该图像类别不一致的其他所有图像视图作为负样本,计算得到类别对比损失函数;预测输出作为锚点,将目标域输入图像的弱增强图像视图作为正样本,将同个训练批次内其他所有图像的增强视图作为负样本,计算得到实例对比损失函数;将类内‑类间关系zcr嵌入类别对比损失函数和实例对比损失函数,基于类内‑类间关系的对比损失函数,对目标域特征提取器和目标域分类器进行迭代优化,基于优化结果实现遥感场景分类。
-
公开(公告)号:CN115546196A
公开(公告)日:2022-12-30
申请号:CN202211388950.7
申请日:2022-11-08
Applicant: 北京理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明实施例公开了一种基于知识蒸馏的轻量级遥感影像变化检测方法,在用于遥感影像变化检测的知识蒸馏框架处通过采用原型对比蒸馏、通道归一化蒸馏以及空间归一化蒸馏的方法,引导学生模型模仿教师模型的判别特征分布,以减轻混淆对象的错误分类,同时关注空间概率分布和类别概率分布,以全面学习教师模型输出概率中包含的知识。多个蒸馏方法结合有利于提高学生模型的准确率并引导学生模型全面地学习教师输出中包含的知识,使其具备更强的变化区域识别能力生成更准确的遥感影像变化检测结果。
-
公开(公告)号:CN118429686B
公开(公告)日:2025-05-13
申请号:CN202410324714.1
申请日:2024-03-21
Applicant: 北京理工大学
IPC: G06V10/764 , G06N3/0464 , G06V10/82 , G06V20/10
Abstract: 本申请提供一种基于高性能量化全加网络的遥感图像场景分类方法,属于图像处理技术领域。方法包括:获取基于初始加法核的初始全加网络;对初始加法核进行量化处理,得到量化加法核;对量化加法核进行去偏量化处理,得到目标量化加法核,在初始全加网络中将初始加法核替换为目标量化加法核,得到待训练的量化全加网络;基于基准全加网络模型对量化全加网络进行去偏量化训练,得到训练后的目标量化全加网络,去偏量化训练以遥感图像样本作为训练样本、以遥感图像的场景分类作为下游任务;基于目标量化全加网络,对待识别的任一遥感图像进行场景分类。采用本申请,可以在保证网络精度的前提下,最大程度降低了硬件部署时所需要的资源开销。
-
公开(公告)号:CN119477690A
公开(公告)日:2025-02-18
申请号:CN202411446544.0
申请日:2024-10-16
Applicant: 北京理工大学
IPC: G06T3/4053
Abstract: 本发明涉及一种尺度频率双相调制遥感图像连续超分辨率方法及装置,属于遥感图像处理技术领域。该方法通过尺度调制特征融合模块将编码器提取的浅层特征与尺度信息进行融合,以获得不同层次的特征。然后利用频率调制重建模块通过频域信息调制将尺度调制特征融合模块输出的特征恢复为指定尺度的超分辨率图像。
-
公开(公告)号:CN118608882A
公开(公告)日:2024-09-06
申请号:CN202410666552.X
申请日:2024-05-28
Applicant: 北京理工大学
IPC: G06V10/77 , G06N3/096 , G06V20/13 , G06V10/82 , G06V10/764 , G06N3/0455
Abstract: 本发公开了一种面向星载遥感图像变化检测的编码解码特征蒸馏方法,本发明提出了一种结合随机跨时相相关蒸馏、对比聚类表征蒸馏的编码解码特征蒸馏方法。提出的随机跨时相相关蒸馏通过迭代随机选择和双线性插值匹配教师模型和学生模型的编码特征,并通过相关图获取跨时相变化信息,从而引导学生学习定位变化区域的能力。在提出的对比聚类表征蒸馏中,原型对比图用于描述像素级特征分布,统计聚合度用于描述簇级特征分布。通过引导学生综合学习像素级和簇级的特征分布,可以生成更具判别性的解码特征。
-
公开(公告)号:CN118747839A
公开(公告)日:2024-10-08
申请号:CN202410871424.9
申请日:2024-07-01
Applicant: 北京理工大学
IPC: G06V10/80 , G06N3/0464 , G06V10/82 , G06V10/40 , G06N3/0442 , G06N3/048 , G06N3/045 , G06V20/13
Abstract: 本发明属于遥感图像处理技术领域,提供一种面向光学SAR融合遥感图像去云装置及方法,能够充分利用光学图像和SAR图像中的有效信息,来保证恢复的去云图像同时拥有清晰的地物轮廓和全局整体颜色的一致性。该装置包括异构编码器、异构特征融合模块以及去云图像输出模块;异构编码器包含CNN分支和Decloudformer分支;CNN分支提取SAR图像的特征;Decloudformer分支由多个级联Dcloudformer Block组成,提取并融合光学数据有云和无云区域长距离的空间关联特征和局部空间关联特征,作为有云污染的光学数据图像特征;异构特征融合模块和去云图像输出模块融合SAR图像特征和有云污染的光学数据图像特征恢复出有云区域无云数据的特征图。
-
公开(公告)号:CN112905526B
公开(公告)日:2022-07-08
申请号:CN202110081004.7
申请日:2021-01-21
Applicant: 北京理工大学
Abstract: 本发明提供了一种多种类型卷积的FPGA实现方法,能够利用统一的硬件架构将多种类型的卷积部署在FPGA上进行实现,不需要针对不同的卷积类型分别设计硬件实现架构,节省了大量的硬件资源。通过分析多种类型卷积的特点将它们转换为同一种基准卷积类型使用统一的处理引擎进行实现。相比于分别在FPGA上实现这些卷积,节省了大量的硬件资源。通过优化基准卷积的运算流程,并根据其余卷积的特征分别将其转换为基准卷积进行运算。从而利用统一的硬件架构在FPGA上进行实现。提高了实现的灵活性,降低了硬件资源的开销,有效避免了传统FPGA实现方法中需要为各类型卷积分别设计实现架构所造成的资源消耗大,结构不灵活的问题。
-
公开(公告)号:CN111931906A
公开(公告)日:2020-11-13
申请号:CN202010676264.4
申请日:2020-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于结构搜索的深度神经网络混合精度量化方法,该方法利用目前最为先进的神经网络结构搜索算法,独立搜索网络中每一个卷积层和全连接层的最优量化位宽,实现深度神经网络的混合精度网络量化,在保证网络精度的前提下,最大程度压缩网络模型,实现网络性能与模型压缩率间的最优平衡。
-
-
-
-
-
-
-
-
-