-
公开(公告)号：CN110940976B
公开(公告)日：2022-03-08
申请号：CN201911129934.4
申请日：2019-11-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于误差校正的多站多外辐射源雷达运动目标定位方法。本发明首先将多站多外辐射源雷达的双基距和双基距变化率非线性量测方程伪线性化，获得运动目标位置和速度以及系统偏差的联合估计。考虑辅助变量与目标位置和速度的关联，构建多步关联最小二乘估计模型并优化求解，以减少目标位置和速度的估计误差。最后，利用系统偏差估计值进行校正，进行后验迭代，进一步提高对目标位置和速度的估计性能。本发明考虑系统偏差对定位精度的影响，联合估计目标状态和系统偏差，通过误差校正提高运动目标定位精度。同时采用多步关联最小二乘估计和后验迭代算法，进一步减小目标状态的估计误差。
-
公开(公告)号：CN113945958A
公开(公告)日：2022-01-18
申请号：CN202111054886.4
申请日：2021-09-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于出租车GPS数据的路段中寻客状态车辆识别方法。本发明使用出租车的GPS数据以及地图道路数据，通过计算出速度阈值来筛选出寻客行为的车辆和正常行驶车辆。本发明通过筛选出路段中的寻客行为的车辆，并在样本中舍去该模式的车辆的数据，为估算出路段车速提供更高质量的样本，在一定程度上可以帮助车辆行为识别的相关工作。
-
公开(公告)号：CN113626556A
公开(公告)日：2021-11-09
申请号：CN202111186456.8
申请日：2021-10-12
Applicant: 杭州电子科技大学
IPC: G06F16/31 , G06F16/383 , G06F40/30
Abstract: 本发明涉及一种学术异构网络嵌入的模型训练方法，先使用论文生成学术异构网络，学术异构网络包含论文节点、多种论文特征节点、边和文本内容；选择多个论文节点作为查询节点，以不同论文特征组成的元路径对学术异构网络进行游走，生成在各种论文特征查询条件下每个查询节点的紧密关系节点集；对每个查询节点、紧密关系节点集和学术异构网络进行采样，得到多个代表查询节点与其他节点关系的三元组数据；根据多个三元组数据训练语言表示模型，使模型将学术异构网络结构关系信息嵌入文本表示向量中。本发明所训练的模型能够将文本语义和学术异构网络的结构语义同时嵌入到学术领域的文本表示向量中，提高表示效果。
-
公开(公告)号：CN108427920B
公开(公告)日：2021-10-15
申请号：CN201810159198.6
申请日：2018-02-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的边海防目标检测方法，提出了一种改进的基于FRCNN的目标检测网络模型，属于目标检测技术以及计算机视觉领域。该方法针对原有的FRCNN算法检测耗时过长的问题，重新设计了检测网络中的特征提取结构，并利用筛选后的图像分类数据集重新训练，得到一个参数量更少、计算量更小的图像分类模型。使用可变形卷积替换原有的特有卷积层，提高检测网络对物体形变的适应能力，从而提高网络结构的平均检出率。
-
公开(公告)号：CN109508642B
公开(公告)日：2021-08-17
申请号：CN201811210888.6
申请日：2018-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于双向GRU和注意力机制的船舶监控视频关键帧提取方法，包括以下步骤：步骤S1:使用大量的海边船舶监控视频数据集训练双向GRU和注意力机制模型。步骤S2:使用经过训练的双向GRU和注意力机制模型对船舶监控视频进行关键帧提取，提供快速检索船舶的关键帧集合。采用本发明的技术方案，将关键帧提取应用到船舶监控视频中，剔除了大量冗余视频帧，提供船舶事件的高效检索和浏览,节约了视频存储的开销；同时，采用双向GRU和注意力机制对视频帧的前后关系进行建模，将时间信息融合进模型中，且每个时刻的信息给予不同的权重，即每个时刻给予不同的关注程度，得到更符合人类语义的关键帧集合。
-
Patent Agency Ranking
公开(公告)号：CN112926442A
公开(公告)日：2021-06-08
申请号：CN202110205006.2
申请日：2021-02-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种图像目标数据集均衡完备的构建方法，包括步骤：S11.基于数据集评价指标体系中各个指标的分级对多个样本数据集进行统计，得到样本数据集对应的原始数据，并利用卡方检验方法确定原始数据与满足均匀分布数据的偏离程度；S12.将确定的偏离程度作为比较序列，将实际识别准确率作为参考数列，计算比较序列与参考数列的关联系数和关联度，并根据计算得到的关联系数和关联度确定指标权重值；S13.统计待评价数据集的指标数据，计算统计的指标数据对应的卡方值，设定最优方案和最劣方案，并根据步骤S12中确定的指标权重值，比较待评价数据集与最优方案的贴近度；S14.根据贴近度计算整体、局部评价结果，输出最终评价结果。
-
公开(公告)号：CN109918537B
公开(公告)日：2021-05-11
申请号：CN201910046771.7
申请日：2019-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于HBase的船舶监控视频内容的快速检索方法，通过训练好的深度哈希网络模型来提取视频关键帧图像的深度哈希特征，并将提取到的深度哈希特征向量写入HBase数据库中，以此构建视频关键帧的哈希特征库；在哈希特征库中的所有视频关键帧图像深度哈希特征向量进行遍历，计算待检索图像深度哈希特征向量与哈希特征库中的视频关键帧图像深度哈希特征向量之间的汉明距离；选取汉明距离最小的视频关键帧图像，通过舰船视频名称得到检索的舰船视频数据。本发明利用基于图像相似度的关键帧提取算法和基于深度哈希网络模型，实现基于HBase的船舶监控视频内容的快速检索方法，从而能够快速高效的检索出待检索图像对应的视频内容。
-
公开(公告)号：CN108122008B
公开(公告)日：2020-09-08
申请号：CN201711405236.3
申请日：2017-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于稀疏表示和多特征决策级融合的SAR图像识别方法。为提高SAR目标识别算法的识别率和识别速度，本发明将SAR切片图像提取灰度特征和降维随机卷积特征向量，然后采用字典学习算法对从每一类别训练样本提取的特征向量构成的字典进行优化，构成字典，最后通过字典恢复样本稀疏系数得到分类结果。本发明提出的方法在极大地提高了识别速度的同时，提高了识别精度，具有更好的应用前景。
-
公开(公告)号：CN109886114A
公开(公告)日：2019-06-14
申请号：CN201910046774.0
申请日：2019-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于聚合变换特征提取策略的舰船目标检测方法，包括以下步骤：步骤S1：结合多分支聚合变换的概念，设计并得到一种优化的特征提取网络ResNet_AC；步骤S2:将步骤S1中设计得到的ResNet_AC，在自建海洋环境相关目标分类数据集Dataset-classify上进行训练，得到特征提取网络模型；步骤S3：将步骤S2训练得到的特征提取网络模型移植到目标检测网络RFCN中，并基于自建舰船目标检测数据集Dataset-detect，最终训练得到能更好应用于舰船目标检测的网络模型。采用本发明的技术方案，在ResNet网络各层之间增加多个相同拓扑结构的卷积计算分支并进行分组卷积，在保持网络原有计算复杂度的情况下提升分类准确率，具有准确性高，网络设计简单等优点。
-
公开(公告)号：CN109509214A
公开(公告)日：2019-03-22
申请号：CN201811198664.8
申请日：2018-10-15
Applicant: 杭州电子科技大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于深度学习的船舶目标跟踪方法，属于基于图像的目标跟踪领域。本发明可以在边海防，智能海洋监测系统，船舶态势估计等领域应用。步骤S1：使用自建船舶分类和检测数据集对深度网络进行训练和压缩，得到一个轻量化的船舶检测网络；步骤S2：使用经过训练的轻量化检测网络模型实时检测视频中的船舶目标并进行目标的跟踪。采用本发明的技术方案，将自建的船舶数据集进行训练，得到一个轻量化的检测网络，再结合改进的跟踪算法框架进行船舶目标的跟踪，实现了船舶目标的实时跟踪，整体方案具有设备依赖性低、跟踪稳定性高以及实时性强等特点。
-
-
-
-
-
-
-
-
-
Search Results
173
records
(took 0.038 seconds)
