-
公开(公告)号：CN111444955A
公开(公告)日：2020-07-24
申请号：CN202010216387.X
申请日：2020-03-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于类意识领域自适应的水下声纳图像无监督分类方法，包括：(1)利用生成对抗网络构建生成数据集；(2)提出基于对抗自编码器的改进方法构建领域自适应的源域；(3)提出基于对抗学习方法构建领域自适应的目标域；(4)训练目标域，在均衡和非均衡两种原生数据集上完成水下声纳图像无监督分类。本发明提出使用CGAN和DCGAN两种GANs来生成图像以构建水下声纳图像生成数据集，并根据标签缺失的情况，将无监督领域自适应方法引入到水下声纳图像的无监督分类中。同时构建均衡和非均衡两种水下声纳图像原生数据集上以验证本发明所提方法的适应性。
-
Patent Agency Ranking
公开(公告)号：CN109800700B
公开(公告)日：2022-08-02
申请号：CN201910036689.6
申请日：2019-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下声信号处理技术领域，具体涉及一种基于深度学习的水下声信号目标分类识别方法。本发明包括以下步骤：(1)原始水下声信号通过Gammatone滤波倒谱系数GFCC算法进行特征提取；(2)提出利用改进经验模态分解MEMD算法提取瞬时能量以及瞬时频率，并与GFCC算法提取的特征值进行融合，构建特征矩阵；(3)建立高斯混合模型GMM，保留水下声信号目标的个性特征；(4)利用深度神经网络DNN完成水下目标分类识别。本发明可以解决传统水下声信号目标分类识别方法特征提取单一，抗噪能力差的问题，并且能有效的提高水下声信号目标分类识别的准确率，在目标声信号较弱、距离较远等情况下仍然具有一定的适应性。
-
公开(公告)号：CN109800700A
公开(公告)日：2019-05-24
申请号：CN201910036689.6
申请日：2019-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下声信号处理技术领域，具体涉及一种基于深度学习的水下声信号目标分类识别方法。本发明包括以下步骤：(1)原始水下声信号通过Gammatone滤波倒谱系数GFCC算法进行特征提取；(2)提出利用改进经验模态分解MEMD算法提取瞬时能量以及瞬时频率，并与GFCC算法提取的特征值进行融合，构建特征矩阵；(3)建立高斯混合模型GMM，保留水下声信号目标的个性特征；(4)利用深度神经网络DNN完成水下目标分类识别。本发明可以解决传统水下声信号目标分类识别方法特征提取单一，抗噪能力差的问题，并且能有效的提高水下声信号目标分类识别的准确率，在目标声信号较弱、距离较远等情况下仍然具有一定的适应性。
-
公开(公告)号：CN110490816B
公开(公告)日：2022-11-15
申请号：CN201910633686.0
申请日：2019-07-15
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G10L21/0208
Abstract: 本发明提供一种水下异构信息数据降噪方法，通过模拟水下异构信息数据集；对异构信息数据进行预处理，对异构信息数据进行im2col方法采样，将采样结果进行归一化处理；提取模拟水下异构信息数据中的过完备稀疏特征和水下异构信息数据深层特征，构建SCSDA模型；完成SCSDA模型的水下异构信息数据降噪处理，将水下异构信息数据作为测试集，利用SCSDA模型对其进行降噪处理得到降噪结果向量；对降噪结果向量进行反归一化处理及col2im方法处理，得到降噪处理后的水下异构信息数据。本发明提出的基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法，处理速度较快，具有良好的盲去噪能力，并能较好地保留水下异构信息数据边缘特征，具有一定的鲁棒性和有效性。
-
公开(公告)号：CN111444955B
公开(公告)日：2022-08-02
申请号：CN202010216387.X
申请日：2020-03-25
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06K9/62 , G06V10/26 , G06V10/40 , G06T7/11 , G06V10/774
Abstract: 本发明提供一种基于类意识领域自适应的水下声纳图像无监督分类方法，包括：(1)利用生成对抗网络构建生成数据集；(2)提出基于对抗自编码器的改进方法构建领域自适应的源域；(3)提出基于对抗学习方法构建领域自适应的目标域；(4)训练目标域，在均衡和非均衡两种原生数据集上完成水下声纳图像无监督分类。本发明提出使用CGAN和DCGAN两种GANs来生成图像以构建水下声纳图像生成数据集，并根据标签缺失的情况，将无监督领域自适应方法引入到水下声纳图像的无监督分类中。同时构建均衡和非均衡两种水下声纳图像原生数据集上以验证本发明所提方法的适应性。
-
公开(公告)号：CN110490816A
公开(公告)日：2019-11-22
申请号：CN201910633686.0
申请日：2019-07-15
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G10L21/0208
Abstract: 本发明提供一种水下异构信息数据降噪方法，通过模拟水下异构信息数据集；对异构信息数据进行预处理，对异构信息数据进行im2col方法采样，将采样结果进行归一化处理；提取模拟水下异构信息数据中的过完备稀疏特征和水下异构信息数据深层特征，构建SCSDA模型；完成SCSDA模型的水下异构信息数据降噪处理，将水下异构信息数据作为测试集，利用SCSDA模型对其进行降噪处理得到降噪结果向量；对降噪结果向量进行反归一化处理及col2im方法处理，得到降噪处理后的水下异构信息数据。本发明提出的基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法，处理速度较快，具有良好的盲去噪能力，并能较好地保留水下异构信息数据边缘特征，具有一定的鲁棒性和有效性。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
