-
公开(公告)号：CN115035370A
公开(公告)日：2022-09-09
申请号：CN202210272803.7
申请日：2022-03-18
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于特征融合的笔石图像分类方法和系统，该方法包括：获取笔石图像，并将笔石图像输入至预训练的卷积神经网络模型，以提取笔石图像的低层特征、高层特征和全局特征；将低层特征、高层特征和全局特征进行特征融合，得到全局融合特征；将全局融合特征输入至分类器，以使分类器根据全局融合特征生成笔石图像的类别信息。本发明能够快速且精准地实现笔石图像的分类，从而便于判断地层年代，且精准标定页岩地层层位。
-
公开(公告)号：CN117395748A
公开(公告)日：2024-01-12
申请号：CN202311207371.2
申请日：2023-09-19
Applicant: 上海海事大学
Abstract: 本发明涉及一种海事搜救无线传感网的高可靠高鲁棒路由方法，方法包括：S1、生成海事搜救无线传感网初始动态拓扑结构；S2、对于任一海事搜救节点，确定其簇头节点，并加入对应簇，得到一组簇集合；S3、计算目标节点的海事搜救数据包前进距离预测值；S4、计算海事搜救环境通信链路下节点之间的正确接收率；S5、在确定候选中继节点集的基础上，计算每个中继节点的优先权，根据优先权的大小进行从高到低排序；S6、目标节点在执行海事搜救数据包转发任务时，按照优先权顺序并结合可靠的应答机制依次选择候选中继节点集中节点进行转发直至海事搜救数据包被搜救船舶成功接收。与现有技术相比，本发明具有提高数据传输可靠性和鲁棒性等优点。
-
公开(公告)号：CN116782338A
公开(公告)日：2023-09-19
申请号：CN202310897506.6
申请日：2023-07-20
Applicant: 上海海事大学
IPC: H04W40/32 , H04W40/02 , H04W84/18 , H04W4/38 , H04L45/24 , H04L45/00 , H04L45/02 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种海洋无线传感网丢失数据重构方法及装置，该数据重构方法包括以下步骤：建立海洋无线传感网MWSNs初始拓扑结构；使用改进分层能量均衡多路径路由协议IHEBM进行网络节点聚类成簇；在节点聚类成簇的基础上，在簇内使用改进径向基神经网络RBFNN预测节点丢失数据；从簇头到船舶基站传输数据的过程中，使用中心化的主成分分析方法对簇头节点数据进行压缩和重构。本发明解决了海洋大数据发生大规模丢失情况下的精确重构问题。该方法适应高度动态和信道较不稳定的海洋无线传感网，并且实现了海洋丢失数据的高精度重构、有效降低了网络通信开销和延长了网络寿命。
-
公开(公告)号：CN116647817A
公开(公告)日：2023-08-25
申请号：CN202310724196.8
申请日：2023-06-19
Applicant: 上海海事大学
Abstract: 本发明涉及一种海洋生态环境监测无线传感网节点定位方法，考虑了节点实时移动以及水下通信的路径损耗和吸收效应，对节点位置和路径损耗因子进行联合估计；将原始非凸问题转化为非负约束最小二乘框架，基于内点法和块坐标更新法的两阶段寻找海洋节点位置最优解；第一阶段根据内点法使用惩罚函数对问题重新表述，求出近似解；第二阶段，将原问题转化为广义信赖域子问题，将内点法得到的近似解作为第二阶段的初始估计，通过结合一种块坐标更新法进行迭代求解，得到海洋节点位置和路径损耗因子的精确估计值。本发明解决了水声信号传播过程中因节点实时移动、路径损耗因子未知及水下信号传播的吸收效应导致定位误差较大的问题，实现了海洋目标节点的高精度高鲁棒定位。
-
公开(公告)号：CN112634171A
公开(公告)日：2021-04-09
申请号：CN202011614558.0
申请日：2020-12-31
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于贝叶斯卷积神经网络的图像去雾方法及存储介质，所述方法包括：获取RESIDE数据集，采用所述RESIDE数据集中的ITS数据集作为训练集，SOTS数据集作为测试集。将所述训练集输入至贝叶斯卷积神经网络内，对所述贝叶斯卷积神经网络进行训练得到最优模型。将所述测试集输入至所述最优模型，采用所述最优模型对所述测试集进行端对端的去雾处理，并输出去雾图像。本发明能够有效地规避过拟合问题，增强去雾模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118864245A
公开(公告)日：2024-10-29
申请号：CN202410810326.4
申请日：2024-06-21
Applicant: 上海海事大学
IPC: G06T3/4053 , G06T3/4007 , G06T3/4046 , G06T5/70 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的双分支图像高倍数超分辨率增强方法，属于计算机视觉技术领域。包括如下步骤：收集高分辨率图像集，使用降采样方法获得对应的低分辨率图像，形成一对图像，得到训练数据集；构建基于扩散模型的双分支超分辨率增强模型并训练，所述双分支超分辨率增强模型以条件引导的去噪扩散模型为基础，在其条件噪声预测网络中引入交叉注意力模块和边缘重建分支；获取待重建的低分辨率图像输入所述训练好的双分支超分辨率增强模型，得到高分辨率图像。本发明在SRDiff的网络基础上，引入交叉注意力模块和边缘重建分支，增强了网络对全局背景和局部特征的捕捉能力，同时显著提升了超分辨率图像的边缘清晰度和整体视觉质量。
-
公开(公告)号：CN118196369A
公开(公告)日：2024-06-14
申请号：CN202311835987.4
申请日：2023-12-28
Applicant: 上海海事大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种红外图像弱小目标检测算法，属于计算机视觉的目标检测技术领域。包括获取红外弱小目标图像，构建红外图像数据集；构建复值卷积神经网络模型CV‑Yolov7，所述复值卷积神经网络模型CV‑Yolov7基于Yolov7网络，同时引入图像相位信息；训练所述复值卷积神经网络模型；将待检测的红外弱小目标图像输入训练后的所述复值卷积神经网络模型中，得到检测结果。本发明引入复值思想，同时使用图像幅值和相位信息，构建了复值Yolov7网络，通过引入复值上下文感知网络以及复值注意力模块，可以有效抑制背景杂波以及噪音，突出小目标特征，提高网络检测精度。
-
公开(公告)号：CN113191964B
公开(公告)日：2024-04-05
申请号：CN202110384208.8
申请日：2021-04-09
Applicant: 上海海事大学
Abstract: 本发明提供一种使用高低频分解的无监督夜间图像去雾方法，包括：利用导向滤波器将输入图像分解成高频图像和低频图像；将输入图像与高频图像进行合并操作后作为无雾图像估计网络的输入，估计出无雾图像；将输入图像与低频图像进行合并操作后作为透射率估计网络的输入，估计出透射图像；利用最大值滤波器估计输入图像对应的大气光照图；基于无雾图像、透射图像和大气光照图，采用大气散射模型重构输入图像；将重构损失函数作为损失函数，并对网络进行端到端的训练。本发明在不需要成对的夜间雾天图像和夜间清晰图像的情况下，仅仅使用观测到的夜间雾天图像就可以进行学习和推断，能够有效去除夜间雾霾，提高夜间雾天图像的视觉性。
-
公开(公告)号：CN115131720A
公开(公告)日：2022-09-30
申请号：CN202210596701.0
申请日：2022-05-30
Applicant: 上海海事大学
Abstract: 本发明公开了一种基于人工智能的船舶靠泊辅助方法，包括：获取待处理图像并对待处理图像进行预处理，获得预处理后的图像，预处理至少包括对待处理图像的降噪和消除海雾的处理过程，其中，待处理图像为包含待靠泊船舶的图像；对预处理后的图像进行检测和分割，获得分割后的图像；将分割后的图像进行拼接，获得拼接后的图像，并对拼接后的图像进行视图变换，获得视图变换后的图像；基于视图变换后的图像，通过卡尔曼滤波计算船首、船尾到码头墙的距离。应用本发明实施例，采用基于深度学习的图像增强算法，可以鲁棒地识别港口不同天气条件下的船舶。能精确测量港口和船舶之间的距离，受外界环境影响小，且对识别的船舶尺寸没有限制。
-
公开(公告)号：CN113191964A
公开(公告)日：2021-07-30
申请号：CN202110384208.8
申请日：2021-04-09
Applicant: 上海海事大学
Abstract: 本发明提供一种使用高低频分解的无监督夜间图像去雾方法，包括：利用导向滤波器将输入图像分解成高频图像和低频图像；将输入图像与高频图像进行合并操作后作为无雾图像估计网络的输入，估计出无雾图像；将输入图像与低频图像进行合并操作后作为透射率估计网络的输入，估计出透射图像；利用最大值滤波器估计输入图像对应的大气光照图；基于无雾图像、透射图像和大气光照图，采用大气散射模型重构输入图像；将重构损失函数作为损失函数，并对网络进行端到端的训练。本发明在不需要成对的夜间雾天图像和夜间清晰图像的情况下，仅仅使用观测到的夜间雾天图像就可以进行学习和推断，能够有效去除夜间雾霾，提高夜间雾天图像的视觉性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.032 seconds)
