-
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：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。
-
公开(公告)号：CN113012714B
公开(公告)日：2022-08-02
申请号：CN202110197042.9
申请日：2021-02-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于像素注意力机制胶囊网络模型的声学事件检测方法，包括如下步骤：(1)对原始音频数据进行预处理；(2)提出构建像素注意力机制胶囊网络‑双向门控循环单元网络(Pixel‑Based Attention of Capsule Network‑Bidirectional Gated Recurrent Unit,PBAttCapsNet‑BGRU)模型；(3)完成基于像素注意力机制胶囊网络模型的声学事件检测任务。本发明为了取得对不连续、重叠声学事件较好的检测效果，提出一种基于像素注意力机制胶囊网络模型的声学事件检测方法。通过与其他声学事件检测方法的性能对比，本发明提出的基于像素注意力机制胶囊网络模型的声学事件检测方法能够有效地对不连续、重叠声学事件进行检测，并提升检测性能。
-
公开(公告)号：CN113012714A
公开(公告)日：2021-06-22
申请号：CN202110197042.9
申请日：2021-02-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于像素注意力机制胶囊网络模型的声学事件检测方法，包括如下步骤：(1)对原始音频数据进行预处理；(2)提出构建像素注意力机制胶囊网络‑双向门控循环单元网络(Pixel‑Based Attention of Capsule Network‑Bidirectional Gated Recurrent Unit,PBAttCapsNet‑BGRU)模型；(3)完成基于像素注意力机制胶囊网络模型的声学事件检测任务。本发明为了取得对不连续、重叠声学事件较好的检测效果，提出一种基于像素注意力机制胶囊网络模型的声学事件检测方法。通过与其他声学事件检测方法的性能对比，本发明提出的基于像素注意力机制胶囊网络模型的声学事件检测方法能够有效地对不连续、重叠声学事件进行检测，并提升检测性能。
-
-
-
Search Results
4
records
(took 0.018 seconds)
