-
公开(公告)号：CN113780149B
公开(公告)日：2023-11-17
申请号：CN202111042674.4
申请日：2021-09-07
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明公开一种基于注意力机制的遥感图像建筑物目标高效提取方法。具体步骤如下：一、读入图像数据并进行预处理；二、构造基于注意力机制的遥感图像建筑物目标高效提取网络；三、训练神经网络，得到模型参数；四、就行遥感图像建筑物目标提取。本发明的网络模型是在浅层特征图的稀疏特征上利用Transformer构建全局上下文特征。在浅层特征图上应用Transformer可以很好的保留局部细节用于识别边界；只使用稀疏的语义单词可以显著提高网络的速度并降低计算机的内存消耗；同时构建的全局感受野可以很大程度减少复杂背景的干扰。本发明的遥感图像建筑物提取方法输入为遥感图像，输出为建筑物目标的二值掩模，自动化程度高，信息解析速度快，能够大幅度提高效率，降低成本。
-
公开(公告)号：CN108960143A
公开(公告)日：2018-12-07
申请号：CN201810721881.4
申请日：2018-07-04
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
CPC classification number: G06K9/0063 , G06K9/6256 , G06K9/6267
Abstract: 本发明一种高分辨率可见光遥感图像中的舰船检测深度学习方法，步骤如下：一、读入图像数据并进行预处理；二、对图像整体提取特征；三、在卷积层提取出图像抽象特征后，筛选出目标候选区域；四、在对应全图的特征图上切分出各目标候选区域的特征块，并用感兴趣区域池化层对特征块进行尺寸归一化；五、将特征送入全连接层得到空间变换参数，然后将空间变换参数与特征送入空间变换层，得到形变校正后的特征；六、根据校正后的特征对目标候选区域进行再次分类和位置修正。本发明增强了检测方法对目标旋转等形变的鲁棒性，提升高分辨率可见光遥感图像中的舰船目标检测效果，可应用在高分辨率可见光遥感图像船只目标检测中，具有广阔应用前景和价值。
-
公开(公告)号：CN109033998B
公开(公告)日：2022-04-12
申请号：CN201810721848.1
申请日：2018-07-04
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
IPC: G06V20/13 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种注意力机制卷积神经网络的遥感影像地物标注方法，包括计算机读取数据、构造注意力机制的卷积神经网络、训练网络模型、测试网络得到标注结果四个步骤。本发明通过增加注意力机制模块，使得网络有针对性地提取关键位置的信息，弥补网络末端缺乏空间信息的不足，提升对网络对地物细节的分类效果；并且利用深度监督的机制，利用网络中间提取的特征进行监督分类，能进一步加快网络的训练速度以及提升网络的综合性能；通过反卷积的升采样模块，使得网络提取特征的分辨率增加，能够一定程度上克服小地物难以检测的问题，能自动化将遥感影像各像元分类为相应地物类别，减少人工解译的麻烦，大大加快解译进程，得到精细化的标注结果。
-
公开(公告)号：CN113780149A
公开(公告)日：2021-12-10
申请号：CN202111042674.4
申请日：2021-09-07
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明公开一种基于注意力机制的遥感图像建筑物目标高效提取方法。具体步骤如下：一、读入图像数据并进行预处理；二、构造基于注意力机制的遥感图像建筑物目标高效提取网络；三、训练神经网络，得到模型参数；四、就行遥感图像建筑物目标提取。本发明的网络模型是在浅层特征图的稀疏特征上利用Transformer构建全局上下文特征。在浅层特征图上应用Transformer可以很好的保留局部细节用于识别边界；只使用稀疏的语义单词可以显著提高网络的速度并降低计算机的内存消耗；同时构建的全局感受野可以很大程度减少复杂背景的干扰。本发明的遥感图像建筑物提取方法输入为遥感图像，输出为建筑物目标的二值掩模，自动化程度高，信息解析速度快，能够大幅度提高效率，降低成本。
-
公开(公告)号：CN109033998A
公开(公告)日：2018-12-18
申请号：CN201810721848.1
申请日：2018-07-04
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
CPC classification number: G06K9/00637 , G06K9/627
Abstract: 本发明涉及一种注意力机制卷积神经网络的遥感影像地物标注方法，包括计算机读取数据、构造注意力机制的卷积神经网络、训练网络模型、测试网络得到标注结果四个步骤。本发明通过增加注意力机制模块，使得网络有针对性地提取关键位置的信息，弥补网络末端缺乏空间信息的不足，提升对网络对地物细节的分类效果；并且利用深度监督的机制，利用网络中间提取的特征进行监督分类，能进一步加快网络的训练速度以及提升网络的综合性能；通过反卷积的升采样模块，使得网络提取特征的分辨率增加，能够一定程度上克服小地物难以检测的问题，能自动化将遥感影像各像元分类为相应地物类别，减少人工解译的麻烦，大大加快解译进程，得到精细化的标注结果。
-
Patent Agency Ranking
公开(公告)号：CN113780152B
公开(公告)日：2024-04-05
申请号：CN202111043241.0
申请日：2021-09-07
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明公开一种基于目标感知的遥感图像船只小目标检测方法，基于多任务学习、YOLOv5、特征金字塔、多头注意力、超分辨重建等方法，具体步骤如下：一、读入图像数据并进行预处理；二、构造基于目标感知的多任务深度神经网络；三、训练卷积神经网络，得到静态模型参数；四、利用去除目标感知分支后的训练好的模型进行遥感图像目标检测。本发明通过设计一种新型的基于目标感知的多任务深度学习网络，能够对低分辨率宽幅遥感图像下的船只小目标有更加优秀的检测性能，并保证实时的检测速度。输入为遥感图像，输出为船只小目标的位置信息，自动化程度高，能够大幅度提高效率、准确度并降低成本。
-
公开(公告)号：CN113780152A
公开(公告)日：2021-12-10
申请号：CN202111043241.0
申请日：2021-09-07
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明公开一种基于目标感知的遥感图像船只小目标检测方法，基于多任务学习、YOLOv5、特征金字塔、多头注意力、超分辨重建等方法，具体步骤如下：一、读入图像数据并进行预处理；二、构造基于目标感知的多任务深度神经网络；三、训练卷积神经网络，得到静态模型参数；四、利用去除目标感知分支后的训练好的模型进行遥感图像目标检测。本发明通过设计一种新型的基于目标感知的多任务深度学习网络，能够对低分辨率宽幅遥感图像下的船只小目标有更加优秀的检测性能，并保证实时的检测速度。输入为遥感图像，输出为船只小目标的位置信息，自动化程度高，能够大幅度提高效率、准确度并降低成本。
-
公开(公告)号：CN108960143B
公开(公告)日：2021-02-23
申请号：CN201810721881.4
申请日：2018-07-04
Applicant: 北京航空航天大学 , 北京卫星信息工程研究所
Abstract: 本发明一种高分辨率可见光遥感图像中的舰船检测深度学习方法，步骤如下：一、读入图像数据并进行预处理；二、对图像整体提取特征；三、在卷积层提取出图像抽象特征后，筛选出目标候选区域；四、在对应全图的特征图上切分出各目标候选区域的特征块，并用感兴趣区域池化层对特征块进行尺寸归一化；五、将特征送入全连接层得到空间变换参数，然后将空间变换参数与特征送入空间变换层，得到形变校正后的特征；六、根据校正后的特征对目标候选区域进行再次分类和位置修正。本发明增强了检测方法对目标旋转等形变的鲁棒性，提升高分辨率可见光遥感图像中的舰船目标检测效果，可应用在高分辨率可见光遥感图像船只目标检测中，具有广阔应用前景和价值。
-
公开(公告)号：CN118821860A
公开(公告)日：2024-10-22
申请号：CN202410791897.8
申请日：2024-06-19
Applicant: 北京航空航天大学
IPC: G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种基于拓扑结构优化的高效可微神经架构搜索方法，包括以下步骤：根据计算机视觉任务分类形式，确定模型结构和搜索网络，形成可搜索结构的计算图#imgabs0#计算图#imgabs1#的架构参数由结构参数和网络参数确定；对计算图#imgabs2#的拓扑结构进行迭代优化，消除冗余结构，优化结构参数；进行卷积运算；通过卷积核重参数化，优化网络参数；并通过卷积核标准化，解耦网络参数和结构参数；得到优化后的计算图#imgabs3#运行梯度下降算法，确定最优架构参数；训练模型结构，完成计算机视觉任务分类。该方法将可微神经架构搜索的网络拓扑结构简化，并针对性地设置简化后结构的优化算法；有助于完成网络轻量化和神经架构搜索在复杂视觉任务的应用。
-
公开(公告)号：CN118506126A
公开(公告)日：2024-08-16
申请号：CN202410628798.8
申请日：2024-05-21
Applicant: 北京航空航天大学 , 上海人工智能创新中心
IPC: G06V10/774 , G06V20/64 , G06V20/13 , G06V10/82 , G06N3/0464 , G06V10/25 , G06V10/764 , G06V10/766 , G06N3/098 , G06N3/094 , G06T15/04 , G06T15/20
Abstract: 本发明公开一种基于可微渲染的遥感三维物理对抗样本生成方法。具体步骤如下：一、读入图像数据并进行预处理；二、构造基于可微渲染的遥感对抗样本生成算法；三、通过优化生成并保存对抗样本；四、进行遥感场景下车辆对抗效果检测。本发明针对具有倾侧角的真实遥感场景，面向遥感对地观测智能反侦察，针对数字空间的攻击和物理空间的攻击存在隔阂的问题，研究基于可微渲染实现的物理对抗样本生成，能够有效的利用可微渲染，采用端到端的结构，生成各个视角下具有对抗性的三维对抗样本，帮助实现在数字空间生成有效的对抗纹理。本发明能够通过优化生成有效的物理对抗样本，供后续生产单位进一步研究遥感模型脆弱性以及使用。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.052 seconds)
