公开(公告)号：CN117475016A

公开(公告)日：2024-01-30

申请号：CN202311099427.7

申请日：2023-08-29

Applicant: 北京遥测技术研究所 ,  北京空间飞行器总体设计部

Inventor： 李育恒 ,  沈永健 ,  何向君 ,  张鹏宇 ,  张洲洲

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06T7/10 ,  G06T5/70

Abstract: 本发明提供一种端到端卫星重构网络模型实现虚假遥感影像生成方法，在获取地理轮廓信息的先验条件下，对已知电子地图生成虚假的遥感卫星影像，在生成对抗网络模型中，添加约束条件，利用附加标签改变生成对抗网络的生成模型，训练过程中，将获得的真实图像和标签作为生成对抗网络判别模型的输入数据，使得训练的收敛方向能够以约束条件方向生成预测样本；本发明利用深度学习算法在输入图像和目标图像之间建立映射，对图像进行转换的端到端卫星重构网络模型，将已知的电子轮廓信息作为条件约束，生成特定的遥感卫星影像图。本发明在卫星影像智能生成技术领域有一定的通用性。

公开(公告)号：CN115630276A

公开(公告)日：2023-01-20

申请号：CN202211180492.8

申请日：2022-09-27

Applicant: 北京遥测技术研究所 ,  航天长征火箭技术有限公司

Inventor： 沈永健 ,  蔡敏康 ,  张鹏宇 ,  李育恒 ,  陈璟璟

IPC: G06F18/10 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于YOLOv5的雷达脉内调制类型快速识别方法，将雷达脉内调制信号样本分别与噪声调频干扰信号叠加后使用SPWVD的方法进行时频分析并转换为时频图，搭建针对雷达混合信号的YOLOv5神经网络，head层由中目标检测头和小目标检测头组成，中目标检测头与neck层C3*6层相连，小目标检测头与neck层C3*7层相连，将训练集送入YOLOv5神经网络对时频图进行特征提取得到中目标特征图、小目标特征图后送入Detect检测网络进行检测，Detect检测网络使用SIoU_loss损失函数进行网络收敛并进行非极大值抑制处理后输出、显示雷达脉内调制信号的类别、识别准确率。本发明使用深度学习检测模型对雷达脉内调制方式进行准确识别，克服了传统识别方法中存在的需要手动提取特征和检测率低的缺点。

公开(公告)号：CN115630275A

公开(公告)日：2023-01-20

申请号：CN202211180171.8

申请日：2022-09-27

Applicant: 北京遥测技术研究所 ,  航天长征火箭技术有限公司

Inventor： 张鹏宇 ,  沈永健 ,  李育恒 ,  蔡敏康 ,  陈璟璟

IPC: G06F18/10 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于YOLOv5的多信号下跳频信号快速识别方法，将多信号使用SPWVD时频分析转换为时频图，针对信号类别快速变换和数据量庞大的问题改进了YOLOv5的网络结构，只保留中、小目标检测头，并结合SIoU_loss损失函数、非极大值抑制进行检测得到跳频信号的位置、类别。本发明使得网络准确快速识别出多种信号下的跳频信号，减少了网络参数量并提高了识别速度，降低了对使用硬件环境的要求，克服了传统识别方法中存在的需要手动提取特征和识别率低的缺点。

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。

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：CN115758104A

公开(公告)日：2023-03-07

申请号：CN202211180468.4

申请日：2022-09-27

Applicant: 北京遥测技术研究所 ,  航天长征火箭技术有限公司

Inventor： 蔡敏康 ,  李育恒 ,  沈永健 ,  张鹏宇

IPC: G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  H04B1/713

Abstract: 本发明提供一种基于YOLOv5的异步跳频通信信号快速识别分类方法，本发明通过将异步跳频混合信号使用SPWVD转化为时频域分布图像，再应用基于YOLOv5跳频信号特征识别网络进行训练、测试后进行异步跳频通信信号的快速识别和分类，针对跳频信号类别多样性和数据量庞大的问题改进了YOLOv5的网络结构，head层由大目标检测头和中目标检测头组成，在保证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，使得网络在准确识别多种跳频通信信号类别的同时减少了网络参数量并提高了识别速度，降低了对使用硬件环境的要求，对异步跳频通信信号拥有非常优秀的识别分类效果。

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。