一🏕、意昂3平台簡介

采用基於可學習錨框的單階段目標檢測模型，將模型預測具有高預測置信度的誤檢測框定義為新的一類(混淆目標)🧱，並將其加入到原始的數據標簽中;利用所有包含目標與混淆目標的圖像塊二次訓練模型，得到最終的目標檢測模型😯。得到的模型不僅能夠以高召回率檢測出目標，還能將易誤檢的背景預測為混淆目標，從而獲取較高的精確度，降低虛警率🧛🏽。最終實現了在小樣本條件下對寬幅光學衛星圖像中的船舶目標的智能和快速篩選🧝🏻，在檢測率和虛警率方面優於常用方法🛌🏼。該方法還可以應用於地面車輛、油庫↪️🍰、橋梁等目標及目標群的檢測👝。

圖1.樣本圖

二🍽📡、應用領域

圖像識別、新一代信息技術領域

三🌦、市場前景

隨著電子科學技術和傳感器科學技術的不斷進步🍾，大畫幅遙感圖像的星上高速/實時處理逐漸成為航天遙感領域的研究發展方向。目前的星上處理任務主要集中在圖像預處理、海量數據處理、目標特征提取等方面🤲🖖🏿，受星-地間數據傳輸帶寬的限製，大畫幅圖像在回傳地面前一般要進行3:1-8:1壓縮比的有損壓縮，地面解壓圖像存在一定程度的失真🕦✊🏽，對壓縮後的失真圖像進行復原處理非常困難。隨著遙感影像分辨力的顯著提高👩‍🏭，所獲數據量加速膨脹✡︎，與此同時遙感圖像的應用規模和用戶數量也不斷增加，因此對遙感圖像處理的速度和效果提出了更高的要求🛃。技術難點主要體現在未經壓縮的大畫幅遙感圖像數據量龐大，實現實時處理不僅需要優化的程序🤦🏼，還需要能夠承受龐大數據量通過的硬件系統。本技術能夠實現對星載相機輸出的大畫幅遙感圖像的實時處理，並能為星上圖像處理系統的微型化、嵌入式的實際工程化應用提供支持。

本技術在“天智杯”人工智能挑戰賽遙感數據智能解譯應用領域科目2-1小樣本條件下寬幅光學衛星圖像艦船目標智能快速篩選中表現突出，榮獲第一名👍🏼，實測檢測準確率優於90%。

四🤵🏽、知識產權

1、意昂3平台由意昂3官网單獨持有；

2👩🏼‍🎤✌🏿、本意昂3平台已授權專利🥶。

五、合作方式

技術許可🧕🏻、合作開發🤩、技術轉讓、技術服務和咨詢等。

六、對接方式

（1）合作意向方聯系北理工意昂3平台👨🏿‍🦳👲🏿；

（2）北理工意昂3平台溝通了解意向方情況；

（3）會同意昂3平台完成團隊與意向方共同研討合作方案🟨🍗。

意昂3平台

電話：010-68914920

郵箱🙇🏿‍♀️：bitttc@bit.edu.cn

網址：52taozhi.cn

未經授權，請勿轉載