公开(公告)号：CN117173404B

公开(公告)日：2025-05-27

申请号：CN202310930222.2

申请日：2023-07-27

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  李育恒 ,  张洲洲 ,  张鹏宇 ,  沈永健

IPC: G06V10/26 ,  G06T5/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/30 ,  G06T3/4007 ,  G06T3/4046

Abstract: 本发明提供一种基于深度学习的遥感目标自动检测及隐藏方法，包括生成遥感目标语义分割数据集、构建用于遥感影像语义分割的Inception‑v3U‑Net网络、构建门控卷积图像修复网络、训练Inception‑v3U‑Net网络、训练门控卷积图像修复网络、检测遥感目标、完全覆盖原遥感目标所在区域和隐藏原遥感目标。本发明以语义分割作为目标检测模型，门控卷积网络作为图像修复模型，并配合传统图像处理的遥感目标自动检测与隐藏方法，在训练门控卷积网络过程中加入随机掩膜的生成，打破了缺失区域的形状及位置限制，解决现有遥感目标检测网络模型结构较复杂、训练推理时间过长，遥感目标隐藏不充分、不完全、易暴露，且由于现有网络使用固定化的掩膜，隐藏规律容易被发现的问题。

公开(公告)号：CN118397432A

公开(公告)日：2024-07-26

申请号：CN202410206265.0

申请日：2024-02-26

Applicant: 北京遥测技术研究所

Inventor： 马晓萌 ,  沈永健 ,  原昊 ,  张鹏宇 ,  李霖 ,  廉增博

IPC: G06V10/94 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/063 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明提供一种国产化深度学习算法及其运行设备，依据寒武纪深度学习推理引擎与百度飞桨的适配算子，裁剪目标检测算法YOLOv8部分网络层，同时替换部分网络层，实现从训练到移植的无缝衔接，评估智能目标识别算法性能。本发明在软件方面选取百度飞桨PaddlePaddle和国产银河麒麟操作系统作为深度学习算法的运行框架及运行环境，硬件方面采用海光Hygon系列CPU和寒武纪MLU实现深度学习的训练和推理，寒武纪MLU可完全支持以百度飞桨框架编写的深度学习算法的训练，并支持其推理；本发明以PaddlePaddle为算法框架，结合寒武纪MLU，实现目标识别算法的国产化算法运行设备。本发明具备从软件到硬件，从训练到推理的全国产化。

公开(公告)号：CN118351433A

公开(公告)日：2024-07-16

申请号：CN202410245673.7

申请日：2024-03-05

Applicant: 北京遥测技术研究所

Inventor： 张鹏宇 ,  沈永健 ,  马晓萌 ,  原昊 ,  李霖 ,  冯舒文

IPC: G06V20/10 ,  G01S13/90 ,  G01S7/41 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种雷达成像智能目标识别基准算法快速构建方法，使用编程环境管理模块、运行环境管理模块、基准算法管理模块、过程控制模块等四部分快速构建雷达成像智能目标识别基准算法。本发明实现了在复杂背景环境和使用场景下的雷达成像智能目标识别基准算法快速构建；将最新技术提出的模块按照神经网络模块的规范格式进行编写或适应性修改，实现了在智能目标识别基准算法模型的调用和算法性能的提升；基于基准算法构建过程的模块修改智能目标识别网络的功能模块、宽度、深度等结构，可以在保证雷达成像智能目标识别正确率的前提下降低模型参数量以及提高识别的速度；实现了在多操作系统、多框架、多开发环境下的目标识别基准算法快速构建。

公开(公告)号：CN117152408A

公开(公告)日：2023-12-01

申请号：CN202310930166.2

申请日：2023-07-27

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  张鹏宇 ,  李育恒 ,  张洲洲 ,  沈永健

IPC: G06V10/22 ,  G06V10/40 ,  G06V20/13 ,  G06T7/11 ,  G06T7/194 ,  G06V20/70 ,  G06V10/82 ,  G06V10/774 ,  G06T3/40

Abstract: 本发明提供一种基于变化检测的遥感异常区域及目标检测方法，以孪生注意力变化检测模型，训练变化检测模型检测处理区域的能力，同时训练其检测隐藏目标和检测变化目标的能力。本发明构建了一个双分支的孪生注意力变化检测网络，通过对比学习遥感影像中出现的异常区域与原遥感影像在像素分布、色差上的变化，实现对异常区域和变化区域的自动检测；本发明在下采样模块每一层级都使用孪生网络思想，将两时相特征级联输入后续网络，通过无差别处理两时相技术，解除对时相输入顺序的限制；本发明使用注意力机制实现不同层级检测结果的融合，通过使用两种不同的特征融合手段，利用注意力机制综合对比两种融合结果，提高模型检测能力。

公开(公告)号：CN118397404A

公开(公告)日：2024-07-26

申请号：CN202410206338.6

申请日：2024-02-26

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  沈永健 ,  马晓萌 ,  李育恒 ,  李霖 ,  冯舒文

IPC: G06V10/776 ,  G06V10/96 ,  G06V20/13 ,  G01S13/89

Abstract: 本发明提供一种智能目标识别算法的横向测试评估方法，将图像样本数据库录入多源多目标影像，测试分系统构建测试数据集，测试分系统测试被测算法，基准算法分系统在相同测试数据集上测试，评估分系统横向对比被测算法与基准算法。本发明提供常见SAR/ISAR目标识别算法数据集，聚合SAR/ISAR特征信息，便于后续自定义数据集生成；利用PostgreSQL数据库管理样本，结合人机交互界面，设计雷达成像智能目标识别测试环境快速构建、流程自动生成、测试过程数据自动采集与输出等模块；提供终端测试和性能无损测试两种测试模式；提供多种典型基准深度学习目标识别算法，在测试时提供横向对比算法；不仅可以用于设备测试，也可用于日常工作中算法的研发。

公开(公告)号：CN118334496A

公开(公告)日：2024-07-12

申请号：CN202410206289.6

申请日：2024-02-26

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  沈永健 ,  马晓萌 ,  薛晨岚 ,  冯舒文 ,  张鹏宇

IPC: G06V10/94 ,  G01S13/86 ,  G06F16/51 ,  G06V10/774 ,  G06V20/70

Abstract: 本发明提供一种基于雷达目标识别算法的自动化测试方法及测试平台，利用PostgreSQL数据库管理样本，结合人机交互界面，在保护样本数据的前提下，快速构建SAR\ISAR专属测试场景和环境，采集测试过程数据。本发明预设多种通信接口及软件协议，实现资源受限场景下的算法评估，可适配不同应用场景下的被测雷达设备，贴合实际测试场景。本发明设计了SAR\ISAR目标识别算法软件接口，本地化构建被测算法的运行环境以及训练，高度还原被测设备实际运行环境，避免深度学习算法移植至终端所造成的精度损失，保证测试结果的客观可靠。本发明预设自动标注以及人工标注两种标注模式，由自动标注快速标注目标并由人工模式修订并补充新的目标种类，提高系统对新类目标的自适应性。

公开(公告)号：CN118334477A

公开(公告)日：2024-07-12

申请号：CN202410206314.0

申请日：2024-02-26

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  沈永健 ,  马晓萌 ,  李霖 ,  薛晨岚 ,  张鹏宇

IPC: G06V10/776 ,  G06V10/96 ,  G06V20/13 ,  G01S13/89

Abstract: 本发明提供一种雷达成像智能目标识别算法性能评估方法，将图像样本数据库录入多源多目标影像后选取测试数据集并得到测试结果，计算算法评价指标体系，然后根据应用场景评估算法性能。本发明提供大量SAR\ISAR目标识别算法数据集，包含目标且附带象征SAR\ISAR图像特征的标签信息；本发明利用PostgreSQL数据库管理样本结合人机交互界面管理样本数据及测试结果，具备测试数据的聚合与计算功能；本发明内置不少于7种常见SAR\ISAR目标识别算法评价指标，提供多个维度、层次化的评价标准，用户可根据需求选取；本发明内置三种不同维度的SAR\ISAR目标识别算法综合评估技术，涵盖主客观评价方式，为适应不用被测设备的应用偏向，具备加权量化评估、横向对比分析目标识别算法优劣的功能。

公开(公告)号：CN117173404A

公开(公告)日：2023-12-05

申请号：CN202310930222.2

申请日：2023-07-27

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  李育恒 ,  张洲洲 ,  张鹏宇 ,  沈永健

IPC: G06V10/26 ,  G06T5/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06T5/30 ,  G06T3/40

Abstract: 本发明提供一种基于深度学习的遥感目标自动检测及隐藏方法，包括生成遥感目标语义分割数据集、构建用于遥感影像语义分割的Inception‑v3U‑Net网络、构建门控卷积图像修复网络、训练Inception‑v3U‑Net网络、训练门控卷积图像修复网络、检测遥感目标、完全覆盖原遥感目标所在区域和隐藏原遥感目标。本发明以语义分割作为目标检测模型，门控卷积网络作为图像修复模型，并配合传统图像处理的遥感目标自动检测与隐藏方法，在训练门控卷积网络过程中加入随机掩膜的生成，打破了缺失区域的形状及位置限制，解决现有遥感目标检测网络模型结构较复杂、训练推理时间过长，遥感目标隐藏不充分、不完全、易暴露，且由于现有网络使用固定化的掩膜，隐藏规律容易被发现的问题。

公开(公告)号：CN117173060A

公开(公告)日：2023-12-05

申请号：CN202310930314.0

申请日：2023-07-27

Applicant: 北京遥测技术研究所

Inventor： 原昊 ,  张洲洲 ,  李育恒 ,  张鹏宇 ,  沈永健

IPC: G06T5/30 ,  G06T5/50 ,  G06T7/13 ,  G06V20/10 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/0455

Abstract: 本发明提供一种基于图像修复的遥感影像隐藏目标智能还原方法，构建门控卷积目标还原网络，训练能够适应色彩变化明显、细粒度大、特征复杂的遥感图像的图像修复模型，门控机制在前段网络提供遥感目标掩膜信息，后段网络作为注意力机制，动态学习未覆盖遥感图像类目标区域以及非目标区域像素分布特征；本发明使用原始遥感图像、随机覆盖掩膜与目标轮廓掩膜结合的输入作为模型训练输入，在具有隐藏目标区域及遥感目标确切位置的标签引导下，该模型可以在色彩梯度复杂、像素值差异大的遥感图像中快速发现重点关注目标，并学习该遥感目标轮廓特征及其周围环境的复杂特征，以使还原的遥感目标符合原图中地物要素特征及分布规律。