-
公开(公告)号：CN104268395A
公开(公告)日：2015-01-07
申请号：CN201410493238.2
申请日：2014-09-24
Applicant: 杭州电子科技大学
IPC: G06F19/00
Abstract: 本发明实施例公开了一种基于舰船辐射噪声频域融合特征的水声目标识别方法，步骤如下：对舰船目标训练辐射噪声数据进行角域分帧操作；提取训练和测试的舰船目标辐射噪声数据的目标的功率谱特征以及维谱特征；得到辐射噪声数据的频域融合特征；确定舰船目标辐射噪声数据中每一帧的多任务截断先验隐马尔可夫模型参数；计算测试舰船目标辐射噪声数据的频域融合特征xtest与训练舰船目标辐射噪声数据的每一帧相对应的多任务截断先验隐马尔可夫模型的条件似然函数值；将最大条件似然函数值所对应舰船目标训练辐射噪声数据那一帧的类别属性作为舰船目标测试辐射噪声数据的类别属性。本发明用于提高水声目标识别的性能。
-
公开(公告)号：CN114419433B
公开(公告)日：2025-05-02
申请号：CN202111654281.9
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于无锚点级联检测的无人机图像车辆目标识别方法。首先使用Resnet50对输入的图像的进行多尺度特征提取，得到自下而上的多个特征；然后对高层的特征进行上采样，并与低层特征相融合以获得融合后的特征；将输出的不同尺度的特征划分成小特征图和大特征图两类，分别用于检测小目标与大目标；在检测过程中结合无锚点的方法，先对高层的特征图进行检测，得到粗略的检测结果，再将此结果输入到低层，在高层的检测结果之上进行进一步的检测，最终得到一个较为精确的检测结果。本发明改善目标检测的漏检率和误检率，减少了不必要的计算，大大提高检测的速度。
-
公开(公告)号：CN115032602B
公开(公告)日：2025-01-17
申请号：CN202210391547.3
申请日：2022-04-14
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06F18/2415 , G06F18/214 , G06F18/243 , G06F18/25 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法，利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类，融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息，在构建复杂模型的同时还优化了网络中的参数，实现更快的收敛和更高的识别性能，基于CNN获取局部结构信息的能力和Inception结构，提出了多尺度CNN结构，从多个角度详细捕捉HRRP目标的不同层次的可分信息，增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充，弥补了CNN难以体现目标HRRP序列结构信息的不足，以更强的拟合能力在雷达HRRP识别领域发挥更大的优势。
-
公开(公告)号：CN114636975B
公开(公告)日：2025-01-03
申请号：CN202210236821.X
申请日：2022-03-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于谱图融合和注意力机制的LPI雷达信号识别方法，包括如下步骤：S1、构建数据集，所述数据集包括时频图、频谱图和相谱图；S2、数据集预处理；S3、训练网络模型；S4、SVM分类；去掉前面网络的softmax层，将低维特征送入SVM分类网络，利用SVM分类网络；S5、输出分类结果。通过不同的特征的融合，增强了网络的表征能力，能够解决单谱图的特征不明显，在不牺牲较大计算成本的情况下，考虑到不同LPI雷达信号的多面特征，增强网络的识别准确率。
-
公开(公告)号：CN113392883B
公开(公告)日：2024-05-28
申请号：CN202110590471.2
申请日：2021-05-28
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络和注意力机制的坐标融合方法，包括以下步骤：S1，采集数据集；S2，对收到的数据进行预处理，将传感器数据转化为同一时间和同一坐标下，进行数据融合，需要预处理的数据包含五个部分：海事雷达距离‑坐标换算、红外光电立体相机距离‑坐标换算、无人艇和母船经纬度‑坐标换算、UWB传感器距离‑坐标换算、AIS经纬度‑坐标换算；S3，将预处理后的数据输入含注意力机制的深层循环神经网络进行训练；S4，训练得到的神经网络用于实际测试，无人艇相对救援船的最终坐标为(XW,YW)，失事目标相对救援船的最终坐标为(XT,YT)。
-
Patent Agency Ranking
公开(公告)号：CN113392884B
公开(公告)日：2024-02-27
申请号：CN202110590494.3
申请日：2021-05-28
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于LSTM网络和注意力机制的坐标融合方法，该方法首先将各项传感器的原始数据进行处理和统一，将极坐标数据和GPS数据转化为直角坐标，组合成多维的向量作为输入；然后将向量通过LSTM神经网络计算每个时刻的输出；最后通过注意力机制加权滤波每一输出得到最终的输出结果。
-
-
公开(公告)号：CN111753677B
公开(公告)日：2023-10-31
申请号：CN202010521967.X
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征金字塔结构的多角度遥感船舶图像目标检测方法，包括以下步骤：S1，收集遥感卫星船舶图像数据集，并进行样本标注，得到标注目标；S2，对经过S1所提取的数据集中的样本进行数据预处理，形成完整的训练数据集；S3，用经过改进的特征金字塔网络对预处理后的样本进行特征提取，得到多层特征融合的特征金字塔；S4，经过RPN网络生成候选区域；S5，添加不同池化大小的ROI Pooling层；S6，搭建Fast R‑CNN网络；S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理操作；S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R‑CNN输出分类与回归的结果。
-
公开(公告)号：CN111596276B
公开(公告)日：2023-07-04
申请号：CN202010256705.5
申请日：2020-04-02
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06V10/764 , G06N3/0464 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于谱图变换和注意力机制循环神经网络的雷达HRRP目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后建立动态调整层，对谱图进行调整；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN112782660B
公开(公告)日：2023-06-30
申请号：CN202011599336.6
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Bert的雷达目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，对HRRP数据进行幂次变换，并使用注意力机制；S3，用Bert模型处理幂次变换的输出，提取更加深层的特征；S4，搭建分类器，对HRRP目标分类，对Bert模型的输出，再次使用注意力机制的思想，将更有效的特征进行保留，最后采用softmax对网络的输出进行分类；S5，将经过S1处理后的HRRP测试集送入S2、S3、S4步骤中已训练完成的模型中进行测试。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.029 seconds)
