公开(公告)号：CN117152504A

公开(公告)日：2023-12-01

申请号：CN202311069311.9

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 庄胤 ,  刘雨晴 ,  陈禾 ,  张桐 ,  倪润峰 ,  周天行 ,  张志成 ,  陈亮

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/0895

Abstract: 本发明公开了一种空间相关性引导的原型蒸馏小样本分类方法，包括利用无标签光学遥感图像对CNN‑ViT双分支混合异构网络模型进行自监督预训练，以获得自监督预训练后的CNN‑ViT双分支混合异构网络模型；利用有标签光学遥感图像的模式特征、上下文关系特征和空间特征对上述网络模型进行元训练，以获得用于小样本分类的CNN‑ViT双分支混合异构网络模型；将待分类光学遥感图像输入用于小样本分类的CNN‑ViT双分支混合异构网络模型，以获得待分类光学遥感数据的分类结果。本发明可有效捕获潜在的空间判别性语义信息，提高小样本条件下光学遥感图像分类性能，解决了在有限样本条件下的鲁棒性特征表征能力差、容易过拟合的问题。

公开(公告)号：CN117152503A

公开(公告)日：2023-12-01

申请号：CN202311067475.8

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 陈禾 ,  李灿 ,  庄胤 ,  张桐 ,  倪润峰 ,  周天行 ,  张志成 ,  陈亮

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/40 ,  G06V10/82 ,  G06V20/10 ,  G06N3/047 ,  G06N3/096 ,  G06N3/09

Abstract: 本发明公开了一种基于伪标签不确定感知的遥感图像跨域小样本分类方法，包括：获取源域遥感图像数据以及目标域遥感图像数据；利用源域遥感图像数据对深度学习骨干网络模型进行预训练，以获得深度学习骨干网络模型的预训练初始化参数；构建用于半监督跨域训练的教师‑学生网络模型；将源域遥感图像数据和目标域遥感图像数据输入教师‑学生网络模型进行训练，以获得训练后的深度学习骨干网络模型；将待测试遥感图像数据输入训练后的深度学习骨干网络模型，以获得待测试遥感图像数据的分类结果。本发明能够克服现有技术中高不确定性伪标签损害模型跨域学习的缺陷，提高深度学习方法对遥感图像跨域小样本分类的性能。

公开(公告)号：CN118608942A

公开(公告)日：2024-09-06

申请号：CN202410640023.2

申请日：2024-05-22

Applicant: 北京理工大学

Inventor： 陈禾 ,  葛礼晖 ,  陈昊 ,  王冠群 ,  张桐 ,  庄胤

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/09

Abstract: 本申请提供了一种遥感图像小尺度目标检测模型训练方法，该方法包括：构建遥感图像小尺度目标检测模型；使用样本遥感图像对遥感图像小尺度目标检测模型进行训练，得到训练后的遥感图像小尺度目标检测模型；测试训练后的遥感图像小尺度目标检测模型；其中，遥感图像小尺度目标检测模型包括骨干网络、颈部网络以及检测头网络，骨干网络用于提取遥感图像中的特征信息，得到N幅特征图像，颈部网络用于将N幅特征图像进行融合得到多尺度特征图像，检测头网络用于输出遥感图像中目标对象的定位置信度、遥感图像中目标对象的分类分数以及遥感图像中目标对象的回归参数，回归参数用于表征遥感图像中目标对象定位框的大小和位置信息，每幅特征图像的尺寸和通道数不同。

公开(公告)号：CN117274701A

公开(公告)日：2023-12-22

申请号：CN202311255349.5

申请日：2023-09-26

Applicant: 北京理工大学

Inventor： 庄胤 ,  张心怡 ,  陈禾 ,  张桐 ,  陈亮

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/10 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种基于原型对比学习的跨域遥感图像分类方法，包括：构建域适应网络，在目标域上对自编码器进行无标注的自监督预训练，得到自编码器模型参数；将自编码器模型参数加载到自编码器中，将目标域数据输入到所述编码器中，利用伪标签细化策略得到目标域的细化伪标签；利用所述编码器对源域图像进行编码，利用所述自编码器对目标域图像进行掩码图像建模，基于源域的标签和所述目标域的细化伪标签构建源域和目标域的原型库，并利用所述原型对比学习模块对齐源域和目标域的每个类别的原型；以及基于数据构建总体目标损失函数，并优化总体目标损失函数来迭代训练域适应网络。本发明能提高类别的判别能力，提升对于无标注数据目标域的分类精度。

公开(公告)号：CN117274700A

公开(公告)日：2023-12-22

申请号：CN202311252965.5

申请日：2023-09-26

Applicant: 北京理工大学

Inventor： 庄胤 ,  刘雨晴 ,  陈禾 ,  张桐 ,  陈亮

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06V10/42 ,  G06V10/44 ,  G06V20/70 ,  G06V10/82 ,  G06N3/045

Abstract: 本发明公开了一种协同度量的小样本分类方法，包括，基于支持样本和查询样本获取不同粒度的全局空间语义关系和局部空间语义关系；将每个粒度的全局空间语义关系和局部空间语义关系进行融合，获得每个粒度的全局‑局部融合空间语义关系；采用最小和特征集距离度量方法在所述多粒度空间语义关系集上进行协同度量决策，获得预测概率分布；利用标签优化多粒度协同度量模型，获得用于分类的多粒度协同度量模型；将待分类图像输入用于分类的多粒度协同度量模型，获得待分类图像的分类结果。本发明可以有效地捕获潜在的空间判别性语义信息，提高小样本条件下的图像分类性能，解决了在有限样本条件下模型容易出现崩溃和过拟合的技术问题。

公开(公告)号：CN116246158A

公开(公告)日：2023-06-09

申请号：CN202211393240.3

申请日：2022-11-08

Applicant: 北京理工大学

Inventor： 陈禾 ,  张桐 ,  陈亮 ,  庄胤 ,  王冠群

IPC: G06V20/10 ,  G06V10/82 ,  G06V20/70 ,  G06V10/26 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种适用于遥感目标检测任务的自监督预训练方法，属于遥感目标检测任务的预训练技术领域。该方法以检测任务数据集的真实目标标注框为基准进行随机多尺度的目标裁剪。对裁剪后所获取的目标级图像切片中的小尺度目标进行重新缩放并拼接，以确保小尺度目标信息在高遮罩率的图像重建任务中被有效地保留，从而促进小尺度目标的检测性能。本发明的方法有效地避免了在具有高遮罩率的场景级图像重建任务中，由于遥感场景小尺度目标被完全遮罩从而导致小尺度目标无法在预训练过程中得到良好的表征学习从而影响检测效果的问题，同时，本方法通过将图像重建任务与目标检测任务进行对齐，提高了预训练模型对遥感目标检测任务的促进作用。

公开(公告)号：CN115346130A

公开(公告)日：2022-11-15

申请号：CN202210797891.2

申请日：2022-07-08

Applicant: 北京理工大学

Inventor： 张桐 ,  庄胤 ,  王冠群 ,  陈禾

IPC: G06V20/13 ,  G06N3/04 ,  G06N3/08 ,  G06V10/10 ,  G06V10/46 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种计算机视觉领域知识迁移学习方法，具体涉及一种提升遥感下游任务性能的知识迁移方法，属于遥感领域下游任务网络模型训练技术领域。首先，利用重建随机遮罩图像的自监督代理任务在大规模自然场景数据集上对基于Transformer网络结构的自编码器进行自监督预训练，以获取领域级泛化知识。然后，将已经完成大规模自然场景数据预训练的模型参数继续在遥感场景下游任务数据上进行持续自监督预训练。最后，将完成两个阶段预训练编‑解码结构中的编码器模型作为基础特征提取骨架网络直接嵌入到各种下游任务的网络架构中，并通过有监督的方式在相应的下游任务数据集上进行参数微调。

公开(公告)号：CN117152606A

公开(公告)日：2023-12-01

申请号：CN202311067451.2

申请日：2023-08-23

Applicant: 北京理工大学

Inventor： 陈禾 ,  李灿 ,  庄胤 ,  张桐 ,  倪润峰 ,  周天行 ,  张志成 ,  陈亮

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0895 ,  G06N3/047

Abstract: 本发明公开了一种基于置信度动态学习的遥感图像跨域小样本分类方法，包括：获取源域和目标域的遥感图像数据；利用源域遥感图像数据对深度学习网络模型进行预训练获得预训练初始化参数；构建半监督跨域协同训练模型并加载初始化参数；基于源域遥感图像数据进行监督学习；进行半监督跨域协同训练模型处理；进行置信度动态学习策略处理；基于总损失函数对初始化参数更新获得用于小样本分类的深度学习网络模型；待测试遥感图像数据输入用于小样本分类的深度学习网络模型，获得对应的分类结果。本发明克服目前对目标域数据信息利用不充分和深度学习模型不确定性损害跨域学习的缺陷，提高深度学习模型的泛化能力，提升对遥感图像跨域小样本分类的性能。

公开(公告)号：CN116310780A

公开(公告)日：2023-06-23

申请号：CN202211457551.1

申请日：2022-11-21

Applicant: 北京理工大学

Inventor： 庄胤 ,  刘钰群 ,  张桐 ,  陈禾

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于轮廓建模的光学遥感图像任意方向船只目标检测方法。本发明利用新提出的傅里叶轮廓建模策略，通过回归傅里叶轮廓描述系数，避免了从旋转检测框中解耦几个独立的特征参数进行特征回归，从而有效解决了角度周期性以及长短边交换造成回归负优化问题；对比已有技术，本发明能够很好地对高分辨率光学遥感图像中的任意方向船只目标进行检测，在面对旋转船只目标方向任意、尺度变化、密集分布等复杂条件时也取得了良好效果，解决了角度周期性以及长短边交换造成的回归问题，并且可以降低角度回归不准确造成的虚警率。

公开(公告)号：CN116071643A

公开(公告)日：2023-05-05

申请号：CN202211392985.8

申请日：2022-11-08

Applicant: 北京理工大学

Inventor： 张桐 ,  陈亮 ,  庄胤 ,  陈禾 ,  王冠群

IPC: G06V20/10 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及一种后验实例信息引导的无锚框遥感旋转目标检测方法，属于遥感旋转目标检测技术领域。首先，采用多尺度相邻层特征融合网络对骨架网络输出的不同分辨率的特征层进行多尺度语义特征深度融合。其次，在多尺度相邻层特征融合网络之后设计像素级实例预测网络，用于获取遥感旋转目标的形状及角度信息。然后，将具有目标形状及角度信息的像素级实例预测结果注入到多尺度相邻层特征融合网络的输出特征，最后，利用基于中心点的无锚框检测算法定位图像中的遥感旋转目标。本方法显著提高了无锚框检测算法对光学遥感场景中的任意角度目标的检测效果，不仅提高了目标召回率，同时还大幅降低了虚警率，具有良好的实际应用价值。