-
公开(公告)号：CN119251612A
公开(公告)日：2025-01-03
申请号：CN202411121381.9
申请日：2024-08-15
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/774 , G06V20/64 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明提供基于TransCGAN仿真参数提取框架的SAR主轴预测数据集构建方法，包括：获取目标3D模型，根据目标3D模型，得到仿真SAR图像数据集；构建基于TransCGAN模型的参数预测网络；获取真实SAR图像，将仿真SAR图像数据集和真实SAR图像输入进参数预测网络，得到预测的目标待测参数；根据预测的目标待测参数得到目标SAR主轴预测数据集。本发明以目标3D模型和真实SAR图像为输入数据，训练TransCGAN网络获取SAR图像与仿真参数之间的关系，借助软件实现仿真参数到仿真SAR图像之间的转换，最终提取精确仿真参数得到目标SAR主轴预测数据集，用以目标主轴方向预测网络的训练。
-
公开(公告)号：CN112926533A
公开(公告)日：2021-06-08
申请号：CN202110358349.2
申请日：2021-04-01
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了基于双向特征融合的光学遥感图像地物分类方法及系统，涉及光学遥感图像成像技术领域，能够结合不同层的特征进行多尺度的特征融合，得到较好的特征融合结果。构建地物分类网络，用于执行如下步骤：对于输入图像，提取五个不同尺度的特征图，先分组融合然后交叉融合，生成最终融合结果。对所构建的地物分类网络进行训练，训练完成后的地物分类网络用于执行光学遥感图像的地物分类任务。本发明在融合时结合了浅层的细节信息和深层的语义信息，能够结合不同层的特征进行多尺度的特征融合，得到较好的特征融合结果。其中还采用了与特征图内容相关的上采样方式，能够更有效聚合不同层次的特征图。
-
公开(公告)号：CN112464733A
公开(公告)日：2021-03-09
申请号：CN202011213649.3
申请日：2020-11-04
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于双向特征融合的高分辨率光学遥感图像地物分类方法，本方案通过设计的包括上采样和下采样的双向特征融合结构，结合了浅层的细节信息和深层的语义信息，避免了之前的特征融合方式中存在的信息损失问题；同时设计了一种结合特征图语义信息的上采样方式，多次重复的融合操作更有效聚合不同层次的特征。从而提升了在遥感图像的地物分割效果，提高了分割的准确度。
-
公开(公告)号：CN111861918A
公开(公告)日：2020-10-30
申请号：CN202010677040.5
申请日：2020-07-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于SAR图像的海上溢油检测方法，将待检测SAR图像复制为两份，一份通过滤波处理后直接进行最大熵阈值分割，可以比较容易检测到大面积的溢油；另一份通过滤波处理后，先进行一次对比度增强处理，再进行最大熵阈值分割，可以比较容易检测出细节，避免漏检；之后将二者的处理结果进行融合，得到最终的识别结果图像，以此可以减少虚警，提高准确率；且本方案计算简单、运算时间短，可在在轨平台上进行实时处理。
-
公开(公告)号：CN115272787B
公开(公告)日：2025-05-06
申请号：CN202210779801.7
申请日：2022-07-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/774 , G06V10/74 , G06V10/82 , G06T3/04 , G06N3/084
Abstract: 本发明提供一种基于ViT‑Pix2Pix的光学图像翻译方法，包括：获取待测SAR图像；构建初始目标翻译网络模型，并通过成对的SAR图像和光学图像对初始目标翻译网络模型进行参数优化，获取目标翻译网络模型，目标翻译网络模型为Vision Transformer与Pix2Pix相结合的模型，包括有生成器和判别器，其中，生成器用于将SAR图像翻译为伪光学图像，判别器用于判断输入光学图像是否为SAR图像匹配的真光学图像，生成器和判别器以对抗的形式完成神经网络训练优化；将待测SAR图像输入目标翻译网络模型，获取目标光学图像。本发明能够提高判别器的性能，并确保网络模型训练的稳定性，提高了生成图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN115147720A
公开(公告)日：2022-10-04
申请号：CN202210718888.7
申请日：2022-06-23
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本发明提供一种基于坐标注意力和长短距上下文的SAR舰船检测方法，包括：获取待测SAR舰船图像，待测SAR舰船图像中包含有对应的舰船；根据坐标注意力机制构造特征提取网络，将待测SAR舰船图像输入特征提取网络，获取坐标注意力增强的特征图；根据长短距上下文信息构造长短距上下文协同提取网络，将坐标注意力增强的特征图输入长短距上下文协同提取网络，获取上下文强化后的特征图；通过PAN金字塔特征融合网络，对上下文强化后的特征图进行特征融合，获取融合后的特征图；将融合后的特征图输入到YOLOX无锚框解耦检测头中，获取舰船位置和舰船类别。本发明能够缓解图像噪音干扰且能够对小目标进行精准检测。
-
公开(公告)号：CN113033804B
公开(公告)日：2022-07-01
申请号：CN202110333012.6
申请日：2021-03-29
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种面向遥感图像的卷积神经网络压缩方法，与传统的卷积神经网络压缩方法对网络参数进行裁剪压缩后会导致网络结构的不规则化等问题相比，本方法利用多层次参数裁剪和参数位置约束，在提高参数压缩比例的同时，提高了网络结构的规则性，有利于实际应用时的计算加速；同时利用多数据源的信息融合，提高了压缩后模型的精度。
-
公开(公告)号：CN112464732A
公开(公告)日：2021-03-09
申请号：CN202011213306.7
申请日：2020-11-04
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于双路径稀疏分层网络的光学遥感图像地物分类方法，本方法通过将多尺度特征利用预先设置的间隔进行稀疏分组，并利用对应间隔的两条特征融合路径分别对不同层次的特征图进行融合，得到各自对应的特征性图，并进行进一步的融合，同时引入了压缩激励模块来对融合后的特征图进行校准，突出重要的特征，从而提高了光学遥感图像的地物分类任务的准确度。
-
公开(公告)号：CN112926534B
公开(公告)日：2023-04-28
申请号：CN202110359459.0
申请日：2021-04-02
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/13 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明提供一种基于变换域信息融合的SAR图形船只目标检测方法，基于SAR图像得到初步船只检测结果；将SAR图像转换为伪光学图像，将伪光学图像输入图像分割网络，得到分割结果；根据分割结果对初步船只检测结果进行虚警剔除，得到最终船只检测结果。相较于传统的SAR图像船只检测算法，本方案通过SAR图像转换、分割，最终实现对初步检测结果的虚警剔除，从而提高了船只检测识别精度；同时SAR图像到光学图像的转换网络可以辅助SAR图像的解译。
-
公开(公告)号：CN112926534A
公开(公告)日：2021-06-08
申请号：CN202110359459.0
申请日：2021-04-02
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于变换域信息融合的SAR图形船只目标检测方法，基于SAR图像得到初步船只检测结果；将SAR图像转换为伪光学图像，将伪光学图像输入图像分割网络，得到分割结果；根据分割结果对初步船只检测结果进行虚警剔除，得到最终船只检测结果。相较于传统的SAR图像船只检测算法，本方案通过SAR图像转换、分割，最终实现对初步检测结果的虚警剔除，从而提高了船只检测识别精度；同时SAR图像到光学图像的转换网络可以辅助SAR图像的解译。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.022 seconds)
