公开(公告)号：CN115100652A

公开(公告)日：2022-09-23

申请号：CN202210921803.5

申请日：2022-08-02

Applicant: 北京卫星信息工程研究所

Inventor： 冯鹏铭 ,  贺广均 ,  原皓天 ,  金世超 ,  张鹏 ,  符晗 ,  常江 ,  刘世烁 ,  张拯宁 ,  王剑 ,  梁银川

IPC: G06V20/70 ,  G06N3/04 ,  G06N3/08 ,  G06T11/20 ,  G06V10/26 ,  G06V10/766 ,  G06V10/82 ,  G06V20/10

Abstract: 本发明涉及一种基于高分遥感图像的电子地图自动化生成方法，包括：建立全景分割模型，利用全景分割模型提取遥感图像的特征，生成遥感图像特征图；利用全景分割模型的实例分割分支对遥感图像特征图的目标进行实例标注，利用全景分割模型的语义分割分支对遥感图像特征图的地物要素进行语义标注，获得实例标签和语义标签；对实例标签和语义标签进行空间层级排序，获取每个标签的像素排序得分；利用像素排序得分为基准生成全景分割图像；利用边缘优化算法对全景分割图像进行优化；利用位图矢量化成图方法对优化后的全景分割图像生成电子地图。本发明可由高分辨率遥感影像生成电子地图，提升对目标实例分割和地物要素边缘的提取和优化能力。

公开(公告)号：CN115019183A

公开(公告)日：2022-09-06

申请号：CN202210900359.9

申请日：2022-07-28

Applicant: 北京卫星信息工程研究所

Inventor： 刘世烁 ,  冯鹏铭 ,  贺广均 ,  符晗 ,  常江 ,  金世超 ,  梁银川 ,  邹同元 ,  韩昱 ,  车程安 ,  张鹏

IPC: G06V20/10 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及一种基于知识蒸馏和图像重构的遥感影像模型迁移方法，包括：在样本充足和标注完整的数据集A中训练第一目标检测模型，获得教师模型；利用知识蒸馏对所述教师模型进行压缩，获得学生模型，并在样本不足的数据集B中进行训练；利用训练后的学生模型对与所述数据集B的数据类型相同的待测试数据进行判别，获得第一判别结果；重构所述待测试数据，使所述待测试数据与所述数据集A的数据类型相同，利用所述教师模型对重构后的待测试数据进行判别，获得第二判别结果；将所述第一判别结果和所述第二判别结果的全连接层进行加权融合，获得用于判别所述待测试数据的第二目标检测模型。该方法可实现不同类型遥感影像的模型迁移。

公开(公告)号：CN114998749A

公开(公告)日：2022-09-02

申请号：CN202210900855.4

申请日：2022-07-28

Applicant: 北京卫星信息工程研究所

Inventor： 车程安 ,  符晗 ,  贺广均 ,  冯鹏铭 ,  金世超 ,  张鹏 ,  刘世烁 ,  常江 ,  邹同元 ,  王勇 ,  梁银川

IPC: G06V20/10 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明涉及一种用于目标检测的SAR数据扩增方法，包括：获取原始SAR图像数据集及其标注信息；对所述原始SAR图像数据集进行目标检测，结合所述标注信息，构建负样本集；利用所述标注信息获得所述原始SAR图像数据集中的目标样本，构建方位角目标样本集；构建基于自注意力机制的生成对抗网络，利用所述负样本集和所述方位角目标样本集对所述生成对抗网络进行迭代训练；评估所述生成对抗网络生成的样本质量，获得高质量的生成样本；在所述原始SAR图像数据集中插入所述高质量的生成样本，以及对应的标注信息。本发明实现SAR数据的自动扩增，提升SAR图像目标识别任务训练集中目标样本的多样性和均衡性。

公开(公告)号：CN114998748A

公开(公告)日：2022-09-02

申请号：CN202210900842.7

申请日：2022-07-28

Applicant: 北京卫星信息工程研究所

Inventor： 金世超 ,  鲁俊喆 ,  贺广均 ,  邓岳 ,  冯鹏铭 ,  梁银川 ,  张昊东 ,  王勇 ,  刘世烁 ,  杨志才

IPC: G06V20/10 ,  G06N3/04 ,  G06N3/08 ,  G06V10/52 ,  G06V10/74 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82

Abstract: 本发明涉及一种遥感图像目标精细识别方法、电子设备及存储介质，以遥感图像提取的目标特征向量作为输入，充分利用其中编码的多实例信息，将同一幅图片上各实例的相似度信息进行对比学习，结合粗粒度的任意目标检测网络进行端到端的训练，而无需额外设计，通过已知的目标类别标签应用于分类损失以训练相似度计算网络；同时应用于对比损失，增大相同细粒度类别实例之间的相似度，而削减不同细粒度类别实例之间的相似度，增强了模型对实例之间的辨别区分能力。

公开(公告)号：CN110889380A

公开(公告)日：2020-03-17

申请号：CN201911197420.2

申请日：2019-11-29

Applicant: 北京卫星信息工程研究所

Inventor： 石慧峰 ,  贺广均 ,  冯鹏铭 ,  夏正欢 ,  张涛 ,  王进 ,  赵志龙

IPC: G06K9/00 ,  G06F16/29

Abstract: 本发明公开一种舰船识别方法、装置及计算机存储介质，所述方法包括：获取第一舰船第一设定时间序列的第一自动识别系统AIS数据和合成孔径雷达SAR图像；所述SAR图像包括至少一个第二舰船；基于第一AIS数据和所述SAR图像，从所述至少一个第二舰船中确定与所述第一舰船关联的第二舰船；基于所述第一AIS数据和与所述第一舰船关联的第二舰船，确定所述第一舰船的类别。

公开(公告)号：CN119810429A

公开(公告)日：2025-04-11

申请号：CN202510299055.5

申请日：2025-03-13

Applicant: 北京卫星信息工程研究所

Inventor： 张拯宁 ,  杨云超 ,  冯鹏铭 ,  陈元伟 ,  贺广均 ,  张泽根 ,  上官博屹 ,  梁颖 ,  刘斌霄

IPC: G06V10/25 ,  G06V20/10 ,  G06V20/70 ,  G06V10/44 ,  G06V10/52 ,  G06V10/42 ,  G06V10/77 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明涉及一种基于层级知识引导的可见光遥感图像目标细粒度检测方法，包括：获取可见光遥感图像数据，构建多语义层级的标签体系；提取可见光遥感图像特征，通过RPN网络生成多尺度感兴趣区域特征；对多尺度的感兴趣区域特征采用多支路提取多层级的语义特征；对多层级的语义特征进行相邻层级的局部‑全局特征融合，得到增强特征；使用多个层级标签监督多层级分类，在第一语义层级监督回归；在推理阶段精简网络结构，提高推理速度。本发明，针对可见光遥感图像中的多类目标，实现了目标细粒度检测过程中的层级关系及信息的注入，结合多层特征融合，增强网络对目标的共有特征和细粒度特征的提取和学习。

公开(公告)号：CN119445380A

公开(公告)日：2025-02-14

申请号：CN202411502090.4

申请日：2024-10-25

Applicant: 北京卫星信息工程研究所

Inventor： 陈千千 ,  符晗 ,  贺广均 ,  李梓桢 ,  冯鹏铭 ,  杨莹 ,  田路云 ,  上官博屹 ,  刘斌霄

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/26 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于遥感影像的建筑物智能提取方法：步骤S1、获取高分辨率数据集；步骤S2、设计基于编码‑解码结构的遥感影像建筑物语义分割网络，包括特征提取骨架网络和语义分割解码器；步骤S3、设计基于生成对抗网络的遥感影像建筑物DSM估计网络，包括DSM生成器和DSM判别器，DSM生成器包括DSM生成器编码器和DSM生成器解码器；步骤S4、设计特征融合与加强模块；步骤S5、设计损失函数；步骤S6、根据高分辨率数据集和损失函数，训练优化遥感影像建筑物智能提取网络；步骤S7、通过训练完成的遥感影像建筑物智能提取网络进行基于遥感影像的建筑物智能提取。本发明的方法解决了DSM获取代价昂贵的问题，有效改善提取遥感影像中的建筑物的性能。

公开(公告)号：CN118736431A

公开(公告)日：2024-10-01

申请号：CN202410739940.6

申请日：2024-06-07

Applicant: 北京卫星信息工程研究所

Inventor： 王瑞琨 ,  贺广均 ,  陈昊 ,  梁颖 ,  常明 ,  陈元伟 ,  金世超 ,  冯鹏铭 ,  李梓桢 ,  上官博屹

IPC: G06V20/13 ,  G06T5/50 ,  G06T3/4053 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06F17/16 ,  G06F17/18 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于遥感图像变化检测的场景态势生成方法，包括：获取同一区域不同时相的两幅高分辨率卫星遥感影像，并进行预处理；构建基于Swin Transformer的双分支U‑net变化检测网络，对不同时相的两幅所述高分辨率卫星遥感影像进行变化检测；根据变化检测网络输出的变化地物的边界信息对空间关系建模，构建图卷积神经网络，生成边集和邻接矩阵；使用人工标注的遥感变化检测数据集，对图卷积神经网络进行训练，得到基于遥感图像变化检测的场景态势生成模型；利用训练好的基于遥感图像变化检测的场景态势生成模型，对测试集中的数据进行测试，得到遥感变化图像的态势。本发明，充分利用双时相遥感图像的丰富语义信息，实现变化场景态势的自动生成。

公开(公告)号：CN116630820B

公开(公告)日：2024-02-06

申请号：CN202310530434.1

申请日：2023-05-11

Applicant: 北京卫星信息工程研究所

Inventor： 田路云 ,  贺广均 ,  李梓桢 ,  徐加伟 ,  冯鹏铭 ,  符晗 ,  上官博屹 ,  金世超

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/32 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种光学遥感数据星上并行处理方法与装置，所述装置包括：主控与预处理模块(100)，用于通过星务轮询方式获取光学遥感数据并进行预处理与切片处理；至少一个数据处理模块(200)，用于对所述预处理与切片处理后的光学遥感数据进行目标的并行检测识别或语义分割，再将结果回传至所述主控与预处理模块理模块(100)和所述数据处理模块(200)上电；背板(400)，用于连接所述主控与预处理模块(100)、所述数据处理模块(200)和所述电源模块(300)。通过实施本发明的上述方案，可用于光学遥感卫星数据的在轨并行处理，从而实现目标的在轨实时检测识别以及光学遥感数据的在轨实时语义分割。(100)；电源模块(300)，用于对所述主控与预处

公开(公告)号：CN116486265B

公开(公告)日：2023-12-19

申请号：CN202310468626.4

申请日：2023-04-26

Applicant: 北京卫星信息工程研究所

Inventor： 梁颖 ,  贺广均 ,  王轲 ,  冯鹏铭 ,  陈千千 ,  上官博屹 ,  郑琎琎 ,  刘世烁

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/766 ,  G06V10/422 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明涉及一种基于目标分割与图分类的飞机细粒度识别方法，包括：构建并训练基于Mask R‑CNN的目标定位与分割模型，对遥感图像中的飞机目标进行检测与分割；对分割出的飞机目标掩膜通过轮廓提取和多边形拟合提取轮廓多边形，将轮廓多边形的线段作为节点，将线段的几何特征和线段对应部件的卷积特征作为节点属性，并根据线段间的空间关系构建图结构数据；构建融合几何特征和卷积特征的图卷积神经网络模型；利用所述图结构数据训练所述图卷积神经网络模型，对描述飞机形状特征和部件特征的图结构进行整图分类，实现飞机目标的细粒度识别。通过实施本发明的上述方案，通过综合利(56)对比文件US 2020285944 A1,2020.09.10US 2022343537 A1,2022.10.27瑚敏君 等.基于实例分割模型的建筑物自动提取《.测绘通报》.2020,(第4期),第16-20页.