面向细粒度目标识别的多层级遥感知识图谱组织与表达方法
文献类型：期刊论文
| 作者 | 颜秋宇2; 王曙1,3,4; 华一新2; 张江水2 |
| 刊名 | 地球信息科学学报
 |
| 出版日期 | 2025-12-05 |
| 卷号 | 27期号:12页码:2833-2849 |
| 关键词 | 遥感知识图谱 细粒度目标识别 遥感场景 时空实体 时空知识图谱 多粒度时空对象 |
| ISSN号 | 1560-8999 |
| 产权排序 | 2 |
| 英文摘要 | 【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。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/219341]  |
| 专题 | 资源与环境信息系统国家重点实验室_中文论文 |
| 通讯作者 | 王曙 |
| 作者单位 | 1.中国科学院地理科学与资源研究所地理信息科学与技术全国重点实验室; 2.信息工程大学地理空间信息学院; 3.江苏省地理信息资源开发与利用协同创新中心 4.中国科学院大学; |
| 推荐引用方式 GB/T 7714 | 颜秋宇,王曙,华一新,等. 面向细粒度目标识别的多层级遥感知识图谱组织与表达方法[J]. 地球信息科学学报,2025,27(12):2833-2849. |
| APA | 颜秋宇,王曙,华一新,&张江水.(2025).面向细粒度目标识别的多层级遥感知识图谱组织与表达方法.地球信息科学学报,27(12),2833-2849. |
| MLA | 颜秋宇,et al."面向细粒度目标识别的多层级遥感知识图谱组织与表达方法".地球信息科学学报 27.12(2025):2833-2849. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。