-
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。
-
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：CN118551804A
公开(公告)日：2024-08-27
申请号：CN202410547833.3
申请日：2024-05-06
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G06N3/045 , G06N3/082 , G06N3/0495 , G06N3/0464 , G06N3/092 , G06V10/771 , G06F18/2113 , G06V10/82 , G06V10/80
Abstract: 本发明提供一种基于多维特征的滤波器自动化剪枝方法，包括：基于目标网络模型卷积核的热度值计算卷积核之间的相似度，并进行跨层信息融合，得到过滤器的重要性排序；基于过滤器的重要性排序，采用强化学习方法生成分层剪枝向量，并映射到目标网络模型中进行迭代剪枝，得到剪枝后的多个子网络结构，所述剪枝包括硬剪枝和软剪枝；采用基于BN层参数更新的评估方法对所述多个子网络结构进行性能评估，根据评估结果筛选出最优子网络结构；对所述最优子网络结构进行微调，得到剪枝后的目标网络模型。本发明无须人工干预，能够进行跨层信息融合，实现对滤波器重要性的准确评估，对模型压缩的同时保留更多的特征信息，确保压缩后模型的性能。
-
公开(公告)号：CN116385873A
公开(公告)日：2023-07-04
申请号：CN202310263722.5
申请日：2023-03-11
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明公开了一种基于坐标感知注意力和空间语义上下文的SAR小目标检测网络。目标检测是遥感图像智能处理的一项重要任务，通过一系列算法，图像上的目标会被自动定位和识别。由于SAR特有的成像机制，图像中存在许多散斑噪点，导致目标与背景难以区分，所以相较于光学遥感图像，SAR图像的处理难度更大。本发明能够显著提高SAR遥感图像小尺度目标的检测效果，特别是针对背景复杂、噪音干扰严重的SAR遥感小目标检测场景，在有效抑制背景噪音的基础上，显著提高了检测率及检测精度，并加强了模型的鲁棒性和泛化能力，提升了模型对不同场景的适应能力。
-
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。
-
Patent Agency Ranking
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：CN114419490B
公开(公告)日：2024-09-03
申请号：CN202111627620.4
申请日：2021-12-28
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V20/40 , G06V10/764
Abstract: 本发明提供一种基于注意力金字塔的SAR船只目标检测方法，将SAR图像输入到特征提取网络得到初步的特征提取结果；对初步提取到的特征输入到基于通道注意力和空间注意力的特征金字塔网络，得到更加精细化的特征提取结果。相较于传统的SAR图像船只检测方法，本方案通过先对SAR图像完成初步的特征提取，然后利用通道注意力和空间注意力特征金字塔网络对提取到的初步特征进行精修，提高了船只的检测和识别精度；尤其在针对复杂背景下的船只检测任务，本方案提出的基于通道注意力和空间注意力的特征金子塔网络可以使模型具有更高的检测和识别效果。
-
公开(公告)号：CN116503266A
公开(公告)日：2023-07-28
申请号：CN202310248972.1
申请日：2023-03-15
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明提供了一种基于自监督学习的SAR图像去噪方法，包括构建SAR噪声图像模型；构建最小化经验损失函数L；设计相邻同向子采样器；将噪声图像对作为输入和目标，修改经验风险最小化任务，构建自监督SAR图像去噪网络；设计多特征损失函数；使用上述方法，对SAR‑CNN去噪网络进行训练；将待去噪的SAR图像变换到log域后输入到网络中进行去噪，再通过反log变换得到输出图像。相比于现有技术，本发明可以迁移到任何现有的去噪网络上，实现在没有干净目标的情况下进行训练实现自监督去噪，并且本方法显著抑制了散斑噪声，同时可靠地保留了图像纹理细节等特征，解决了目前散斑数据和真实SAR图像自监督去噪实用性较差的问题。
-
公开(公告)号：CN112464732B
公开(公告)日：2022-05-03
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
IPC: G06V20/10 , G06V10/26 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
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。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.034 seconds)
