| 摘 要: |
【目的】遥感细粒度目标识别是对地观测及计算机视觉领域中的一项核心且极具挑战的任务,其聚焦高空间分辨率图像中对象的定位及精细分类。当前遥感细粒度目标识别算法突破了对像素级、对象级与邻域级不同层次的对象语义特征、纹理像素特征及空间邻域特征等多源多尺度特征的协同综合,但仍然无法直接利用场景构成、实体内涵、特征描述与时序变化等细粒度的目标识别相关特征,其原因在于其缺乏形式化的知识组织与表达方法。【方法】本文提出了一种面向遥感细粒度目标识别的多层级知识图谱组织与表达方法:通过设计场景、实体、特征与变化的四层知识表达框架,采用时空参照、空间形态、关联关系等特征对遥感目标进行多粒度动态化描述,实现了场景约束、实体约束、特征约束、时序约束下的多层级遥感细粒度目标识别知识的组织与表达。【结果】本文提出的多层级知识图谱方法能够有效组织和表达场景、实体及时序等知识,并有效助力细粒度目标识别性能的提升。其中,在基准模型STD上引入知识图谱后,整体mAP提升了约3.82%,recall提升了约3.92%;并通过在多种典型神经网络(Oriented R-CNN、Oriented RepPoints、LSKNet、STD)模型上均实现稳定的性能提升,验证了方法的普适性与鲁棒性。【结论】多层级知识图谱不仅提升了遥感细粒度目标识别的精度,还增强了模型的可解释性和动态适应性,能够为遥感智能解译提供从特征感知向知识推理转变的有效途径,在地理信息分析、军事情报分析等领域具有重要应用价值。 |